計算特定時間段內的發生次數

Question

我有以下數據，其中 ID 代表個人，日期代表日期，購買代表是否有人購買（我做了最后一個，以便計算發生次數）：

   ID       Date Purchased
1   1 2017-01-01         1
2   1 2017-08-03         1
3   1 2017-09-02         1
4   2 2017-09-04         1
5   2 2018-07-12         1
6   2 2018-11-03         1
7   2 2018-12-05         1
8   2 2019-01-01         1
9   3 2018-02-03         1
10  3 2020-02-03         1
11  3 2020-03-01         1

我想創建一個名為“Frequency”的變量，通過匯總您在數據框中看到的特定日期之前的所有“Purchased”來計算個人在過去一年中購買的次數。

因此，例如，對於第 3 行，這將導致“頻率”為 2，因為2017-01-01和2017-08-03都在2017-09-02的一年時間段內（因此在2016-09-02年 9 月 2 日和2017-09-01年 9 月 1 日）。
請參閱所需的 output：

   ID       Date Purchased Frequency
1   1 2017-01-01         1         0
2   1 2017-08-03         1         1
3   1 2017-09-02         1         2
4   2 2017-09-04         1         0
5   2 2018-07-12         1         1
6   2 2018-11-03         1         1
7   2 2018-12-05         1         2
8   2 2019-01-01         1         3
9   3 2018-02-03         1         0
10  3 2020-02-03         1         0
11  3 2020-03-01         1         1

要重現 dataframe：

df <- data.frame(ID = c(1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3), Date = as.Date(c('2017-01-01', '2017-08-03', '2017-09-02', '2017-09-04', '2018-07-12', '2018-11-03', '2018-12-05', '2019-01-01', '2018-02-03', '2020-02-03', '2020-03-01')), Purchased = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 ))

我已經在 stackoverlow 上進行了搜索，但還沒有找到可以應用於我的情況並獲得所需結果的答案。 我發現並嘗試過的其中一件事是：

df$frequency <-
sapply(df$Date, function(x){
sum(df$Date < x & df$Date >= x - 365)
})

我相信這可能會給我我想要的結果，如果我能找到一種方法來包含它按 ID 分組（所以它是每個 ID 的總和而不是整體）。 當然不能肯定地說，因為我無法測試它。 任何幫助深表感謝。

Answer 1

這是一個tidyverse解決方案：

library(dplyr)
library(purrr)
library(lubridate)

df %>%
  group_by(ID) %>%
  mutate(Frequency = map_dbl(Date, 
                     ~sum(Purchased[between(Date, .x - years(1), .x - 1)]))) %>%
  ungroup

#      ID Date       Purchased Frequency
#   <dbl> <date>         <dbl>     <dbl>
# 1     1 2017-01-01         1         0
# 2     1 2017-08-03         1         1
# 3     1 2017-09-02         1         2
# 4     2 2017-09-04         1         0
# 5     2 2018-07-12         1         1
# 6     2 2018-11-03         1         1
# 7     2 2018-12-05         1         2
# 8     2 2019-01-01         1         3
# 9     3 2018-02-03         1         0
#10     3 2020-02-03         1         0
#11     3 2020-03-01         1         1

代碼的邏輯是對於每個ID中的每個Date ，它sum當前日期 - 1 年和當前日期 - 1 天之間的已Purchased值。

Answer 2

您可以將非 equi 連接與data.table一起使用：

library(data.table)

setDT(df)
df[,c("Date","Before"):=.(as.Date(Date),as.Date(Date)-365)]
df[df,.(ID, Date),on=.(ID=ID, Date>=Before, Date<=Date)][,.N-1,by=.(ID,Date)]

   ID       Date V1
 1:  1 2017-01-01  0
 2:  1 2017-08-03  1
 3:  1 2017-09-02  2
 4:  2 2017-09-04  0
 5:  2 2018-07-12  1
 6:  2 2018-11-03  1
 7:  2 2018-12-05  2
 8:  2 2019-01-01  3
 9:  3 2018-02-03  0
10:  3 2020-02-03  0
11:  3 2020-03-01  1