计算自加入 R 以来的平均客户购买次数答案

【问题标题】：Calculating average number of customer purchases since the year joined in R计算自加入 R 以来的平均客户购买次数
【发布时间】：2018-04-25 02:17:28
【问题描述】：

我在 R 中有以下数据框，它显示了 4 位客户在四年内每年的购买次数。 member_since 变量显示客户加入公司的年份。

id<-c(1,2,3,4)
member_since<-c(2014,2016,2015,2014)
X2014<-c(2,0,0,3)
X2015<-c(3,0,4,2)
X2016<-c(3,2,3,4)
X2017<-c(2,3,6,0)
df<-data.frame(id,member_since,X2014,X2015,X2016,X2017)

 id    member_since X2014 X2015 X2016 X2017
 1         2014      2     3     3     2
 2         2016      0     0     2     3
 3         2015      0     4     3     6
 4         2014      3     2     4     0

现在我正在尝试创建一个新变量 mean_purchase 来计算每个客户从他/她加入的那一年开始的平均每年购买次数。这意味着例如对于customer 2，购买总数应除以 2，但对于 customer 4，购买总和应除以 4。

 id    member_since X2014 X2015 X2016 X2017 mean_purchase
 1         2014      2     3     3     2         2.5
 2         2016      0     0     2     3         2.5
 3         2015      0     4     3     6         4.33
 4         2014      3     2     4     0         2.25

非常感谢您对此的帮助。

【问题讨论】：

标签： r

【解决方案1】：

我们可以使用apply

df$mean_purchase <- apply(df[3:6], 1, function(x) round(sum(x)/sum(cumsum(x > 0) > 0), 2))
df$mean_purchase
#[1] 2.50 2.50 4.33 2.25

或者使用rowCumsums 来自matrixStats

library(matrixStats)
rowSums(df[3:6])/rowSums(rowCumsums(+(df[3:6] > 0)) > 0)

【讨论】：

【解决方案2】：

根据 akrun 的回答，如果您想包括客户加入该计划但在第一年没有购买任何东西的情况，请使用 mapply，这里是一个轻微的概括。

mapply(function(x,y) round(mean(unlist(df[x,(3+y):6])),2), 
       1:nrow(df), df$member_since - 2014)
# [1] 2.50 2.50 4.33 2.25

【讨论】：

好一个。很高兴注意到您在分析中考虑了member_since（正如 OP 所期望的那样）。

【解决方案3】：

apply 的不同解决方案

df$mean_purchase <- apply(df[3:6], 1, function(x) mean(x[min(which(x != 0)):length(x)]))
df$mean_purchase
# [1] 2.500000 2.500000 4.333333 2.250000

【讨论】：

对不起，我最初误读了您的问题。我已经更改了我的代码，它现在可以满足您的期望。

【解决方案4】：

我们将不相关的零替换为NA（我建议您保持这种方式），然后我们使用rowMeans。

df[-(1:2)][t(apply(df[-(1:2)],1,cumsum))==0] <- NA
df$mean_purchase <- rowMeans(df[-(1:2)],na.rm=T)

#   id member_since X2014 X2015 X2016 X2017 mean_purchase
# 1  1         2014     2     3     3     2      2.500000
# 2  2         2016    NA    NA     2     3      2.500000
# 3  3         2015    NA     4     3     6      4.333333
# 4  4         2014     3     2     4     0      2.250000

# If you really don't want to keep NAs :
df[is.na(df)] <- 0

【讨论】：

【解决方案5】：

一个选项是使用tidyr::gather 和dplyr::filter 来确保mean 仅计算member_since 之后的年份。实现可以是：

library(tidyverse)

df %>% gather(year, value, -id, -member_since) %>%
  filter(member_since <= as.numeric(gsub("^X(\\d+)","\\1",year))) %>%
  group_by(id) %>%
  summarise(mean = mean(value)) %>%
  right_join(df, by="id") %>%
  select(-mean, mean) %>% as.data.frame()

#   id member_since X2014 X2015 X2016 X2017 mean
# 1  1         2014     2     3     3     2 2.50
# 2  2         2016     0     0     2     3 2.50
# 3  3         2015     0     4     3     6 4.33
# 4  4         2014     3     2     4     0 2.25

【讨论】：