我每天都有用户记录。用户每天可以拥有多个记录。我想在为期3天的滚动窗口中统计唯一身份用户。我该如何实现?
set.seed(123)
dat<-data.table(day=rep(1:5,sample(6,5)))
dat$id<-sample(10,dat[,.N],replace=T)
> dat
day id
1: 1 1
2: 1 6
3: 2 9
4: 2 6
5: 2 5
6: 2 10
7: 3 5
8: 3 7
9: 3 6
10: 3 2
11: 3 9
12: 3 3
13: 4 1
14: 4 4
15: 4 10
16: 5 9
17: 5 7
18: 5 7
19: 5 10
20: 5 7
我想要的结果如下,即对于x天,我要计算x,x-1和x-2天的唯一ID的数量。
sqldf('select a.day,count(distinct b.id) as user_cnt
from dat as a left join dat as b on a.day<=b.day+2 and a.day>=b.day group by a.day')
day user_cnt
1 2
2 5
3 8
4 9
5 9
答案 0 :(得分:2)
通过多次阅读您的问题并检查所需的输出,您似乎想要一种自适应滚动的“独特”功能,该功能与 right (即 previous )对齐n天),以3天为一个窗口。
使用数据表应该是可能的,并且akrun提供了一种非自适应解决方案,其对齐方式为left。但是,您需要align ='right'(默认设置)。
library(data.table)
dt[, .(.(id)), day][
, frollapply(seq_len(.N), n = 3, FUN = function(i) uniqueN(unlist(V1[i])))
[1] NA NA 8 9 9
请注意
dt[, .(.(id)), day]
day V1
1: 1 1,6
2: 2 9, 6, 5,10
3: 3 5,7,6,2,9,3
4: 4 1, 4,10
5: 5 9, 7, 7,10, 7
不幸的是,与其他功能(frollapply
和frollmean
相比,data.table没有为frollsum
函数提供部分(adaptive = TRUE)窗口选项。
我们可以尝试...
nk <- function(x, k) c(seq.int(k), rep(k, x - k))
dt[, .(.(id)), day][
, frollapply(seq_len(.N), n = nk(.N, 3), FUN = function(i) uniqueN(unlist(V1[i])))
V1 V2 V3 V4 V5
1: 2 NA NA NA NA
2: 4 5 NA NA NA
3: 6 7 8 8 8
4: 3 9 9 9 9
5: 3 5 9 9 9
但是我们得到了一个由5列组成的data.table,其答案潜伏在对角线上。
因此,我最终使用了mapply
和用户定义的函数N_unique
来计算滚动窗口返回的ID列表中的唯一值。我们仍然可以通过上面定义的nk
函数使用部分窗口宽度。
N_unique <- function(i, width, x){
uniqueN(unlist(x[(i - (width - 1)):i]))
}
dt2 <- dt[, .(.(id)), day][
, user_cnt := mapply(FUN = N_unique, i = seq_len(.N),
width = nk(.N, 3), MoreArgs = list(x = V1))][, V1:=NULL]
dt2
day user_cnt
1: 1 2
2: 2 5
3: 3 8
4: 4 9
5: 5 9
数据:
dput(dt)
structure(list(day = c(1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L,
3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L), id = c(1, 6, 9, 6, 5,
10, 5, 7, 6, 2, 9, 3, 1, 4, 10, 9, 7, 7, 10, 7)), row.names = c(NA,
-20L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x0bae2498>)
注意:使用dt
创建set.seed
的命令产生了与OP提供的内容不同的结果。