在 dplyr 链中包含一个 for 循环

Question

我正在清理一些关于客户行为的数据，我想识别并过滤掉客户执行某个事件的秒时间。由于这是一个更大的数据操作项目的一个元素，理想情况下我想将它作为三行添加到更长的 dplyr 链中。

这里涉及到两个逻辑：

1. 识别第二个事件的第一行：前一行有 end_pct 值大于 0.9，当前行有 end_pct value 值低于 0.2，并且前一行和当前行具有 相同的 customer_id
2. 识别后续行：如果前一个 行对 second_event 以及前一行和当前行具有“是” 具有相同的 customer_id
3. 过滤掉第二次事件

这是我用于这些操作的 dplyr 代码：

mutate(second_time = ifelse(lag(pct_completed,1) > 0.9 & pct_completed < .2 & lag(customer_id,1) == customer_id, "yes", "no")) %>%
mutate(second_time = ifelse(lag(second_time,1)=="yes"&lag(customer_id,1) == customer_id, "yes", second_time)) %>%
filter(second_time = "no")

如果我在正常的 dplyr 链中运行上面的第二个 mutate 函数，它只会将第二个事件中的第二行标记为“是”，而不是任何后续的。因此，我认为我需要编写一个 for 循环来捕获第二阶段中所有剩余的事件。

我附上了一些sample data here 来说明问题。

如果有人对如何编写可合并到 dplyr 链中的 for 循环有任何好的建议，我将不胜感激。

Answer 1

我提出一个更简单的解决方案。

• 我们按客户分组（因为一切都是在在客户中计算的）。
• 我们检测到事件的变化，类似于您当前的逻辑并设置一个标志。
• 我们对标志进行累积总和，以计算我们所处的事件。
• 我们在累积和为 2 时进行过滤。

.

df %>% 
  group_by(customer_id) %>% 
  mutate(flag = row_number() > 1 &        #to avoid NA's on the first rows of each customer
           (pct_completed < 0.2) & 
           (lag(pct_completed) > 0.9),
         event_nr = cumsum(flag) + 1) %>% 
  filter(event_nr == 2)