在R中对不同数量的列求和

Question

我有一个数据框，每个用户包含一行。对于每个用户，我都有关于他们首次登录网站的时间（第 1 行）以及之后的每一天（每一天是一列）他们每天登录的次数的信息。

我想创建一个新列，告诉我在用户首次登录后 7 天内登录网站的次数。这 7 天的期限对每个用户都不同。

我想做一个 for 循环，但不知道如何进行更改以包含该总和的不同列名。

tibble(id=c(1:4), first_log = c("18-12-01", "18-12-02", "18-12-02",
"18-12-05"), X18_12_01 = c(NA,1,1,2), X18_12_02 = c(5,2,1,1))

当然，数据集有更多的列和行。

Answer 1

first_login 后面有任意数量的日期列，我们可以执行以下操作。

1. gather 将日期列合并为一列这样我们就可以方便地实际操作了。这是一种简洁的格式，每一行都是用户日的组合。
2. 将日期转换为Date 对象，并计算观察到first_log 之间的天数。我们使用Interval 来执行此操作，以确保围绕时间线违规行为采取合理的行为。
3. filter 仅保留在所需周范围内发生的观察结果
4. summarise 计算此期间的总登录次数，并将 right_join 值恢复为原始值。请注意，如果没有更多的样本数据，就很难更清楚地说明问题，因为这里实际上只有一个单元格被求和，因此只有 id = 1 的用户实际上有任何要求和的值。

library(tidyverse)
library(lubridate)

tbl <- tibble(id = c(1:4), first_log = c("18-12-01", "18-12-02", "18-12-02", "18-12-05"), X18_12_01 = c(NA, 1, 1, 2), X18_12_02 = c(5, 2, 1, 1))

tbl %>%
  gather(day, num_logins, -id, -first_log) %>%
  mutate(
    first_log = ymd(first_log),
    day = day %>% str_remove("^X") %>% ymd(),
    days_since_event = as.period(first_log %--% day, "day"),
  ) %>%
  filter(days_since_event > days(0) & days_since_event <= days(7)) %>%
  group_by(id) %>%
  summarise(total_logins = sum(num_logins, na.rm = TRUE)) %>%
  right_join(tbl, by = "id")
#> # A tibble: 4 x 5
#>      id total_logins first_log X18_12_01 X18_12_02
#>   <int>        <dbl> <chr>         <dbl>     <dbl>
#> 1     1            5 18-12-01         NA         5
#> 2     2           NA 18-12-02          1         2
#> 3     3           NA 18-12-02          1         1
#> 4     4           NA 18-12-05          2         1

^{由reprex package (v0.2.1) 于 2019 年 3 月 4 日创建}

Answer 2

假设您在first_log 之后只有 7 列，那么这将汇总您在跨列的时间范围内登录的总次数。在下面的示例中，它仅显示用户在 2 天内登录的总次数。

library(tidyverse)


tibble(id=c(1:4), 
       first_log = c("18-12-01", 
                     "18-12-02", 
                     "18-12-02",
                     "18-12-05"), 
       X18_12_01 = c(NA,1,1,2), 
       X18_12_02 = c(5,2,1,1)) %>% 
  gather(key = "days", value = "times_visted", 3:length(.)) %>% 
  group_by(id) %>% 
  summarise(total_visits = sum(times_visted, na.rm = T))
#> # A tibble: 4 x 2
#>      id total_visits
#>   <int>        <dbl>
#> 1     1            5
#> 2     2            3
#> 3     3            2
#> 4     4            3

^{由reprex package (v0.2.1) 于 2019 年 3 月 4 日创建}