Question

我是R的新手，拥有以下产品用户名及其使用日期数据（截断输出）：

Name,  Date 
Jane,  01-24-2016 10:02:00
Mary,  01-01-2016 12:18:00
Mary,  01-01-2016 13:18:00
Mary,  01-02-2016 13:18:00
Jane,  01-23-2016 10:02:00

我想对Date之间的差异做一些分析，特别是每个用户的使用天数。我想绘制直方图以确定用户之间是否存在模式。

如何计算R中每个用户的日期之间的差异？
除了我应该探索的直方图之外还有其他可视化吗？

由于

Answer 1

尝试此操作，假设您的数据框为df：

## in case you have different column names
colnames(df) <- c("Name", "Date")

## you might also have Date as factors when reading in data
## the following ensures it is character string
df$Date <- as.character(df$Date)

## convert to Date object
## see ?strptime for various available format
## see ?as.Date for Date object
df$Date <- as.Date(df$Date, format = "%m-%d-%Y %H:%M:%S")

## reorder, so that date are ascending (see Jane)
## this is necessary, otherwise negative number occur after differencing
## see ?order on ordering
df <- df[order(df$Name, df$Date), ]

## take day lags per person
## see ?diff for taking difference
## see ?tapply for applying FUN on grouped data
## as.integer() makes output clean
## if unsure, compare with: lags <- with(df, tapply(Date, Name, FUN = diff))
lags <- with(df, tapply(Date, Name, FUN = function (x) as.integer(diff(x))))

对于你截断的数据（有5行），我得到：

> lags
$Jane
[1] 1

$Mary
[1] 0 1

lags是一个列表。如果您想获取Jane的信息，请lags$Jane。要获得直方图，请执行hist(lags$Jane)。此外，如果您想简单地为所有客户生成直方图，忽略个体差异，请使用hist(unlist(lags))。 unlist()将列表折叠为单个向量。

<强>注释：

关于您对R的良好引用的要求，请参阅CRAN: R intro和advanced R;
将tapply用于多个索引？也许你可以尝试使用paste来首先构建辅助索引的技巧;
呃，看起来我通过使用density和中心极限定理等来快速地使事情复杂化，以实现可视化。所以我删除了我的其他答案。

Answer 2

我们可以将data.table与lubridate

一起使用

library(lubridate)
library(data.table)
setDT(df1)[order(mdy_hms(Date)),  .(Diff=as.integer(diff(as.Date(mdy_hms(Date))))), Name]
#    Name Diff
#1: Mary    0
#2: Mary    1
#3: Jane    1

如果有多个分组变量，即“ID”，我们可以将其放在by

中

setDT(df1)[order(mdy_hms(Date)),  .(Diff=as.integer(diff(as.Date(mdy_hms(Date))))), 
                                        by = .(Name, ID)]

如何计算每个唯一ID的R中日期之间的差异

2 个答案: