Question

我需要将500,000名客户分成12个代表性样本，每月联系一次。

12个样品应该代表产品和产品的生命周期类别（A，B，C）。 意味着：我需要按产品ID和生命周期类进行分层比例样本（可以连接）

我不仅需要一个样本，而且整个人口分为12个样本。

结果应该是添加了分层循环id（1 - 12）的原始表。

f.e：

cust_id, product, lifecycle, NEW: cycle_id
10000, 4004, A, 3
10000, 2000, B, 6
10001, 3000, B, 12

一个客户可以欠几个产品，但组合客户产品是独一无二的。

每个客户 - 产品组合在12个周期内只能使用一次（所以没有回头）

我怎样才能在R？

中这样做

示例数据行：

cust_id, product, lifecycle
10000, 4004, A
10000, 2000, B
10001, 3000, B
10002, 2000, A
10004, 4004, C
...

Answer 1

这是一个丑陋但功能性的解决方案。我为奇怪的，复杂的子集道歉，但不幸的是（）以非常奇怪的方式存储了它的数据。

mysamp <- function(dat){
  samp <- runif(length(dat)) #get 12 random numbers
  samp <- ceiling(samp*12) #standardize between 1 and 12
  return(samp)
}

这是您将用于将人口分成12个样本的功能。现在说'zz'是你的数据集：

cust <- c(101, 101, 102, 105, 107)
prod <- c(4004, 2000, 3000, 3000, 4004)
life <- c('A', 'B', 'B', 'B', 'A')
zz <- data.frame(cust, prod, life)
prodlife <- paste0(zz$prod, zz$life)
zz <- data.frame(zz, prodlife)

给你

> zz
  cust prod life prodlife
1  101 4004    A    4004A
2  101 2000    B    2000B
3  102 3000    B    3000B
4  105 3000    B    3000B
5  107 4004    A    4004A

然后你需要创建一个0列来将cycle.id放入（我在我的例子中称它为'cyc'）。将其附加到data.frame，就像添加zz $ prodlife一样。然后，您可以使用这些语句对样本进行采样并将其分配到列中：

cycle <- by(newzz$cust, newzz$prodlife, mysamp)
for(i in 1:length(cycle)){
    for(j in 1: length(cycle[i][[1]])){
        zz$cyc[zz$prodlife == names(cycle)[i]][j] <- cycle[i][[1]][j]
    }
}

by（）语句正在那里完成所有工作，而可怕的for循环只是将采样值分配给正确的位置。因为'by'类是不方便的子集，我无法想出一个更有效的方法来完成这个任务，但也许其他人可以......？无论如何，这给了我：

> zz
  cust prod life prodlife cyc
1  101 4004    A    4004A   6
2  101 2000    B    2000B   5
3  102 3000    B    3000B   7
4  105 3000    B    3000B   8
5  107 4004    A    4004A   1

当然，这个例子太小，无法判断样本是否正确分层，但这应该有效。快乐的编码！

将客户群分成12个样本（=每月周期）

1 个答案: