我有一系列时间戳代表用户在网站上的活动。我想将这些时间戳区分为每个用户的会话(定义为每个用户之间不超过1800秒的时间戳)。如果可能的话,我想在我的数据集中添加一个名为session_nr的列。 (例如,如果时间戳相隔超过1800秒,或者是新用户,则会话号应该增加。)
示例数据集如下所示:
user_id date
58683 2015-08-01 07:18:13
58683 2015-08-01 07:18:19
58683 2015-08-01 07:18:33
58683 2015-08-01 07:18:43
58683 2015-08-01 07:18:51
58683 2015-08-01 07:18:58
根据每个用户和时间对数据进行排序。
有没有办法遍历用户和R中的一系列时间戳,以便我可以为数据集中的每一行添加一个会话号?
我已经开始使用以下代码,但它不起作用,也不知道如何添加会话编号。
user_session <- function(user, time_limit, data){
u1 <- data[which(data$user_id == user),]
Sys.setlocale("LC_TIME", "en_US.UTF-8")
u1$date <- as.POSIXct(u1$date)
u1$s.start <- c(TRUE, timediff(u1$date) > time_limit )
u1$s.stop <- c(u1$s.start[2:length(u1$s.start)], TRUE)
u1$sessions <- data.frame(
s.1 = which(u1$s.start), # starts
s.2 = which(u1$s.stop)) # stops
return(u1)
}
use <- as.data.frame(unique(data$user_id))
time_limit <- 1800
for (i in dim(use)[1]){
user <- use[i,1]
res <- user_session(user, time_limit, data)
}
答案 0 :(得分:1)
以下是dplyr
解决方案:
library(dplyr)
df %>% group_by(id) %>%
mutate(time_since_last = as.numeric(date - lag(date))) %>%
mutate(new_session = is.na(time_since_last) | time_since_last > 1800) %>%
mutate(session_nr = cumsum(new_session))