我目前正在为R中的流失数据集开发一个时间框架 这样做我需要每个客户的平均购买时间。
以下示例数据显示两个客户(客户1和2)分别在3个和2个不同的时间购买。客户1的平均购买时间为7.5天((9 + 6)/ 2),客户2的平均购买时间仅为5天,因为此客户只有两次观察。在代码中它看起来像这样:
df <- data.frame(cust_id=c(1,2,1,2,1),
order_date=as.Date(c("2012-8-14", "2012-7-1", "2012-8-23", "2012-7-6"
"2012-8-29")))
并以图形方式显示如下:
cust_id order_date
1 1 2012-8-14
2 2 2012-7-1
3 1 2012-8-23
4 2 2012-7-6
5 1 2012-8-29
最终我希望它看起来像这样:
cust_id avg_interpurchase_time
1 1 7.5
2 2 5
有人能指出正确的方向吗?
谢谢!
P.S。我看过以下帖子:Calculating Inter-purchase Time in R但我相信我的问题与那里提出的问题不同。我在一列中有所有日期,一个客户最多可以有80个日期,而发布该日期的人只有两个日期,每个客户分布在2列以上。
答案 0 :(得分:2)
Mayeb使用dplyr:
df %>% group_by(cust_id) %>% summarise(avg_internetpurchase_time = mean(diff(order_date)))
答案 1 :(得分:1)
在基础R中,您可以将aggregate
与自定义函数一起使用:
aggregate(order_date ~ cust_id, data=df, FUN=function(x) mean(diff(x)))
cust_id order_date
1 1 7.5
2 2 5.0
在这里,我们按订单日期计算差异,然后计算平均值。请注意,这要求数据按日期排序。您可以通过在调用data.frame中添加order
来确保这一点,例如在data=df[order(df$order_date),]
中。
数据强>
包括来自OP的几个错字修正。
df <-
structure(list(cust_id = c(1, 2, 1, 2, 1), order_date = structure(c(15566,
15522, 15575, 15527, 15581), class = "Date")), .Names = c("cust_id",
"order_date"), row.names = c(NA, -5L), class = "data.frame")
答案 2 :(得分:0)
这是dplyr
解决方案。请注意,您在第二次购买cust_id 2时发错字。因此它平均为371而不是5。
library(dplyr)
df %>% group_by(cust_id) %>% arrange(order_date) %>% mutate(dif = order_date - lag(order_date)) %>%
summarise(avg_purchase = mean(dif, na.rm = TRUE))
答案 3 :(得分:0)
与其他答案类似,但包括排序(安排)
library(dplyr)
df %>%
group_by(cust_id) %>%
arrange(order_date) %>%
mutate(t = order_date - lag(order_date)) %>%
summarize(avg_interpurchase_time = mean(t, na.rm=T))