Question

我目前正在处理包含多年购买的大型客户购买数据集。

由于我只想检查客户是否每年都购买，我正在寻找一种有效的方式来在客户层面上汇总这些购买。

最终结果应该看起来像一个表格，其中每一行代表一个独特的客户，由我显示，然后是一些真/假变量，显示他是否在特定年份购买。一个简单的例子：

原始数据类似于：

Customer id Product id  year
1           1           2014
2           2           2014
1           3           2015

结果应类似于：

Result example

Customer id Bought 2014 Bought 2015
1           TRUE        TRUE
2           TRUE        FALSE

我尝试使用for-if循环来创建它，以便创建真或假变量但是这似乎有一个巨大的运行时间，这使得它无法用于我正在使用的数据集的大小。此外，如果我使用for - if循环，我仍然很难在客户级别上汇总数据，因为我不确定要使用什么作为'FUN ='语句。

Answer 1

这是另一种tidyr和library(dplyr) library(tidyr) df %>% group_by(customer_id) %>% gather(variable, value, year) %>% spread(value, variable) %>% summarize_each(funs(as.logical(sum(!is.na(.)))), -customer_id, -product_id)方法，可以适应原始数据中的任意年限。

1920/1080

Answer 2

凯文尝试使用dplyr

代码

#create your data.frame
test <- data.frame(cus=c(1,2,1),prod=c(1,2,3),year=c(2014,2014,2015))

summary <- test %>% 
  group_by(cus) %>% 
  summarise(bought.2014 = any(year==2014),
            bought.2015 = any(year==2015)
 )

在R中聚合（客户）数据

2 个答案: