如何计算 R 中不同日期的唯一 ID？答案

【问题标题】：How to count unique IDs at different dates in R?如何计算 R 中不同日期的唯一 ID？
【发布时间】：2021-02-27 15:30:36
【问题描述】：

我是 R 的初学者，所以如果问题看起来很愚蠢，或者有明显的解决方案，或者已经在其他地方解决了，我提前道歉......

我有一个包含购买日期和客户 ID 的 df：


  ANNEE    Date clientID
1  2017 2017-01      aaa
2  2017 2017-01      bbb
3  2018 2018-01      aaa
4  2018 2018-02      aaa
5  2018 2018-01      bbb
6  2019 2019-01      aaa
7  2019 2019-01      ccc
8  2020 2020-01      ddd
9  2020 2020-01      ccc

我想知道上一年我的客户中有多少百分比出现在我的 df 中。在这个例子中，它看起来像：

dfObjective
Date   Prop
2017     0
2018     1
2019   0.5
2020   0.5

我认为第一步是重新安排我的 df 以计算某一年的客户数量，无论他们购买了多少，我已经做到了（尽管我确信有更好的方法去做）

library(plyr)
clients = ddply(df, "ANNEE", summarise, Count = length(unique(ClientID)))

df2
ANNEE Count
2017     2
2018     2
2019     2
2020     2

但是我找不到如何计算上一年已经至少购买过一次的客户的比例......

提前谢谢你！

【问题讨论】：

标签： r date count

【解决方案1】：

这是tidyverse 解决方案。

首先，按clientId 分组以确定哪些客户在上一年。然后，按年份分组以找到比例。

library(tidyverse)

df <- read_table2("
 ANNEE    Date clientID
 2017 2017-01      aaa
 2017 2017-01      bbb
 2018 2018-01      aaa
 2018 2018-02      aaa
 2018 2018-01      bbb
 2019 2019-01      aaa
 2019 2019-01      ccc
 2020 2020-01      ddd
 2020 2020-01      ccc
")

df %>%
  distinct(clientID, ANNEE) %>%
  group_by(clientID) %>%
  mutate(in_previous_year = (ANNEE - 1) %in% ANNEE) %>%
  group_by(ANNEE) %>%
  summarise(Prop = sum(in_previous_year) / n())
#> # A tibble: 4 x 2
#>   ANNEE  Prop
#>   <dbl> <dbl>
#> 1  2017   0  
#> 2  2018   1  
#> 3  2019   0.5
#> 4  2020   0.5

【讨论】：

【解决方案2】：

基础R：

data.frame(ANNEE = unique(df$ANNEE), prop =
             rowMeans(apply(do.call(
               rbind, lapply(with(df[order(df$ANNEE), ],
                                  split(clientID, ANNEE)),
                             unique)
             ), 2, duplicated)))

【讨论】：