我遇到了有关正确融合数据的RStudio数据问题。当前采用以下格式:
广告系列,ID,开始日期,结束日期,总天数,总支出,总展示次数,总转化次数
我想我的数据,如下所示:
运动,ID,日期,支出,曝光,转换
每个“日期”应包含的某一天的竞选活动而支出,展示运行和转换应等于总支出/天,总次数/总天#和天的转换总数/总#总#分别。
我在RStudio工作,所以需要中的R中的溶液。有没有人有过处理这样的数据的经验?
答案 0 :(得分:0)
这行得通,但并不是特别有效。如果您的数据是数百万行或更多,那么使用SQL和不等式联接会更好。
library(tidyverse)
#create some bogus data
data <- data.frame(ID = 1:10,
StartDate = sample(seq.Date(as.Date("2018-01-01"), as.Date("2018-12-31"), "day"), 10),
Total = runif(10)) %>%
mutate(EndDate = StartDate + floor(runif(10) * 14))
#generate all dates between the min and max in the dataset
AllDates = data.frame(Date = seq.Date(min(data$StartDate), max(data$EndDate), "day"),
Dummy = TRUE)
#join via a dummy variable to add rows for all dates to every ID
data %>%
mutate(Dummy = TRUE) %>%
inner_join(AllDates, by = c("Dummy" = "Dummy")) %>%
#filter to just the dates between the start and end
filter(Date >= StartDate, Date <= EndDate) %>%
#divide the total by the number of days
group_by(ID) %>%
mutate(TotalPerDay = Total / n()) %>%
select(ID, Date, TotalPerDay)
# A tibble: 91 x 3
# Groups: ID [10]
ID Date TotalPerDay
<int> <date> <dbl>
1 1 2018-06-21 0.00863
2 1 2018-06-22 0.00863
3 1 2018-06-23 0.00863
4 1 2018-06-24 0.00863
5 1 2018-06-25 0.00863
6 1 2018-06-26 0.00863
7 1 2018-06-27 0.00863
8 1 2018-06-28 0.00863
9 1 2018-06-29 0.00863
10 1 2018-06-30 0.00863
# ... with 81 more rows