根據分組變量的更改，使用dplyr生成訂單等級列

Question

我在使用dplyr時遇到了一點挑戰，那就是要根據特定消費者的交易日志在tbl_df對象上生成等級列。 我的數據看起來像這樣：

                                        consumerid merchant_id      eventtimestamp merchant_visit_rank
                                              (chr)       (int)              (time)          (dbl)
            1  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-15 13:33:00              0
            2  004a5cc3-3d60-4d14-85b3-706e454aae13          56 2015-01-16 13:58:03              1
            3  004a5cc3-3d60-4d14-85b3-706e454aae13          56 2015-01-16 13:58:41              0
            4  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 13:59:05              1
            5  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 13:59:55              1
            6  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 14:15:56              0
            7  004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:18              1
            8  004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:19              0
            9  004a5cc3-3d60-4d14-85b3-706e454aae13          54 2015-01-21 13:52:24              0
            10 004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:29              0
            ..                                  ...         ...                 ...            ...

我想生成一個商家訪問等級，以便在交易期間告訴我該商家的訂單。 在我們的情況下，正確的排名將如下所示：

                                        consumerid merchant_id      eventtimestamp merchant_visit_rank
                                              (chr)       (int)              (time)          (dbl)
            1  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-15 13:33:00              1
            2  004a5cc3-3d60-4d14-85b3-706e454aae13          56 2015-01-16 13:58:03              2
            3  004a5cc3-3d60-4d14-85b3-706e454aae13          56 2015-01-16 13:58:41              2
            4  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 13:59:05              3
            5  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 13:59:55              3
            6  004a5cc3-3d60-4d14-85b3-706e454aae13          52 2015-01-16 14:15:56              3
            7  004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:18              4
            8  004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:19              4
            9  004a5cc3-3d60-4d14-85b3-706e454aae13          54 2015-01-21 13:52:24              5
            10 004a5cc3-3d60-4d14-85b3-706e454aae13          58 2015-01-21 13:52:29              6
            ..                                  ...         ...                 ...            ...

我試圖像這樣在dplyr中使用window函數：

            measure_media_interaction %>% 
              #selecting the fields we wish from the dataframe
              select(consumerid,merchant_id,eventtimestamp) %>%
              #mutate a placeholder column to be used for the rank 
              mutate(merchant_visit = 0) %>% 
              #sort them by consumer and timestamp
              arrange(consumerid,eventtimestamp) %>%
              #change the column so it shows that this merchant was the first this consumer visited 
              #or not 
              mutate(merchant_visit = 
                       ifelse(lead(merchant_id)!=merchant_id,merchant_visit,merchant_visit+1))

但是我被困住了，我不知道如何有效地做到這一點。 有什么想法嗎？

Answer 1

這是一個解決方案。 我們使用lag來測試merchant_id是否更改，並使用cumsum來增加計數器。

measure_media_interaction %>% 
  select(consumerid,merchant_id,eventtimestamp) %>%
  arrange(consumerid,eventtimestamp) %>%
  mutate(merchant_visit=cumsum(c(1,(merchant_id != lag(merchant_id))[-1])))