我正在尝试对客户的重复购买行为进行分析。
我的目标有两个:
- 消除所有只出现一次的客户元素 zip 组合(消除不重复的)
- 对于重复的记录，我想总结相同的地方，我需要获得多个订单之间的平均天数以及总销售额
如果我有以下数据:
Customer# Item Zip Date Qty Net Sales
--------- -------- ----- ---------- --- ---------
ABC123 GHTH123 76137 2014-01-01 10 1500
XYZ999 ZZZZZZZ 68106 2015-02-01 1 50
DEF456 167AAAA 60018 2015-03-01 12 650
XYZ999 YYYYYYY 68106 2015-01-01 3 150
XYZ999 ZZZZZZZ 68106 2015-04-01 10 500
XYZ999 YYYYYYY 68106 2015-03-01 12 600
XYZ999 YYYYYYY 68106 2015-05-01 10 500
ABC123 GHTH123 76137 2014-01-15 8 1200
ABC234 N867689 23218 2014-01-01 10 1500
ABC123 DDFF121 76137 2014-01-27 15 2250
我正在尝试获得以下输出:
Customer# Item Zip Avg Days/Ord Tot Ord Total Amt
--------- -------- ----- ---------- ------- ---------
ABC123 GHTH123 76137 15 2 2700
XYZ999 ZZZZZZZ 68106 60 2 550
XYZ999 YYYYYYY 68106 60 3 1250
我试图使用 sqldiff 包并使用 DATEDIFF 函数，但我没有得到任何结果，因为 DATEDIFF 不适用于 R .
有人可以在这里帮助我提供更好的方法吗？
最佳答案
你可以试试
library(dplyr)
df1 %>%
group_by(Customer, Item, Zip) %>%
filter(n()>1) %>%
summarise(AvgDays=mean(diff(Date)),TotOrd= n(), TotAmt=sum(NetSales))
# Customer Item Zip AvgDays TotOrd TotAmt
#1 ABC123 GHTH123 76137 14 2 2700
#2 XYZ999 ZZZZZZZ 68106 59 2 550
#3 XYZ999 YYYYYYY 68106 60 3 1250
或者
library(data.table)
setDT(df1)[, if(.N>1) list(AvgDays= mean(c(diff(Date))), TotOrd=.N,
TotAmt=sum(NetSales)), .(Customer, Item, Zip)]
# Customer Item Zip AvgDays TotOrd TotAmt
#1: ABC123 GHTH123 76137 14 2 2700
#2: XYZ999 ZZZZZZZ 68106 59 2 550
#3: XYZ999 YYYYYYY 68106 60 3 1250
关于R - 为重复购买分组日期和汇总数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30452006/