如何根据字符变量中的唯一值获取累计和？

Question

我有df，代表用户随时间的浏览行为。因此，该df包含一个不稳定的UserId，并且每行都有一个时间戳，代表对某个网站的访问。每个网站都有唯一的网站ID和不合法的网站类别，例如c（“ electronics”，“ clothes”，....）。 现在，我想按行统计用户到该行（包括该行）访问的每个类别有多少个唯一网站。我将此变量称为“宽度”，因为它表示用户浏览互联网的范围。

到目前为止，我仅设法生成一个哑代码，该哑代码创建每个类别中filterung每个类别访问的唯一网站的总数，然后由用户获取唯一向量的长度，然后进行左连接。 因此，随着时间的推移，我确实会丢失有关开发的信息。

非常感谢！

total_breadth <- df %>% filter(category=="electronics")  %>% 
                         group_by(user_id) %>% 
                           mutate(breadth=length(unique(website_id)))

#Structure of the df I want to achieve:

user_id   time   website_id  category     breadth

1         1      70         "electronics" 1 
1         2      93         "clothing"    1
1         3      34         "electronics" 2
1         4      93         "clothing"    1
1         5      26         "electronics" 3
1         6      70         "electronics" 3  

#Structure of the df I produce:

user_id   time   website_id  category     breadth

1         1      70         "electronics" 3 
1         2      93         "clothing"    1
1         3      34         "electronics" 3
1         4      93         "clothing"    1
1         5      26         "electronics" 3
1         6      70         "electronics" 3

Answer 1

这似乎是拆分，应用和合并的情况。 创建一个1和0的二进制矩阵，其尺寸为：

• 不。行数=原始数据中的行数
• 列数=唯一网站类别数

每一行代表时间戳，每一列代表各自的网站类别。因此，当且仅当用户已在相应时间戳上访问该网站类别的网站时，该单元格才等于1。否则它将为0。

获取此矩阵各个列的累加总和，然后创建一个最后一列，该列仅使用相应时间戳上已访问网站类别的值。

尽管这似乎不是一个很好的解决方案，但希望这可以暂时解决您的问题。