dplyr :: group_by使變量未分組

Question

我有一個數據庫（ user_reg ），其中包含客戶的信息（ customer_id ），他們的注冊日期（ reg_date2 ）和他們的訂單日期（ order_date2 ；通常每個客戶> 1）。

我想知道1）何時發生第一筆訂單，然后2）最后得到帶有唯一user_id ， reg_date2和first_order的tbl 。

執行下面的代碼后

  user_reg %>% select(user_id, reg_date2, order_date2) %>% 
  group_by(user_id) %>% 
  mutate(first_order=min(order_date2)) %>%
  select(user_id, reg_date2, first_order) %>%
  arrange(user_id) %>%
  group_by(user_id)

我仍然每個user_id獲得多行。

user_id  reg_date2 first_order
     <int>     <date>      <date>
1       -1 2015-11-03  2015-11-25
2        1 2013-10-24  2014-10-11
3        1 2013-10-24  2014-10-11
4        1 2013-10-24  2014-10-11
5        1 2013-10-24  2014-10-11
6        1 2013-10-24  2014-10-11

任何想法如何解決？

Answer 1

mutate函數將變量添加到現有數據集中，因此您最終將始終獲得與開始時相同的行數。

您可以添加distinct功能，以便每個ID僅保留一個唯一的行。 要保留所有其他變量，您需要.keep_all參數。

... %>%
    group_by(user_id) %>% 
    mutate(first_order = min(order_date2)) %>%
    distinct(first_order, .keep_all = TRUE) 

每個id從多行到單行通常是for summarise ，盡管這會刪除其他變量。 如果實際用例如此簡單，則可以將附加變量作為分組變量包括在內，因為reg_date2對於每個user_id似乎都是唯一的。

... %>%
    group_by(user_id, reg_date2) %>% 
    summarise(first_order = min(order_date2))

或者（但更多的打字），保持reg_date2可以將其包含在做summarise ：

... %>%
group_by(user_id) %>% 
    summarise(reg_date2 = unique(reg_date2), 
              first_order = min(order_date2))