r - 使用 rollsum 并组合两个数据框

Question

我有两个数据集，购买和联系人。他们只共享用户的 ID 和周数。

联系人表包含与用户进行联系时的周数。该值为 1(接触)或 0(无接触)。

购买表具有用户进行购买时的周数。

我想计算，给定购买周数，如果在前 n 周(可以是 4、8 或 12)内有联系，从本周开始(即，前 4 周表示当前周 + 过去 3 周) )。周数是固定的，从 1 到 147。

我该怎么做呢？

数据如下所示:

purchase = data.frame(user_id = c(156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086), week_number =  c(1, 5, 9, 13, 16, 21, 30, 38, 42, 46, 50, 53, 72, 76, 83, 93, 98, 103, 110, 120, 124, 128, 133, 137, 141))

contact = data.frame(user_id = c(156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086, 156086), week_number = c(99, 120, 101, 105, 119, 117, 118, 119, 117, 118, 119, 116, 115, 118, 119, 116, 118), contacted = c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1))

我只放了一个用户，但有大约 40k 用户。该用户的预期结果是(我省略了 user_id，因为它和以前一样):

output = data.frame(week_number =  c(1, 5, 9, 13, 16, 21, 30, 38, 42, 46, 50, 53, 72, 76, 83, 93, 98, 103, 110, 120, 124, 128, 133, 137, 141), contacted = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1,  0,  0, 0, 0, 0))

我的第一个想法是对用户进行 for 循环，并为每个用户创建一个从 1 到 147(周数)的数组，在给定周数进行联系时插入，应用带有滞后的 rollsum；然后，使用采购中的周数，查看采购表中是否存在给定周数的联系人。但这需要一段时间。

有没有办法在一行中计算这个？

谢谢!

Answer 1

您可以通过 data.table-package 的滚动连接来实现。和:

library(data.table)
setDT(purchase)
setDT(contact)
out <- contact[purchase, .(user_id = i.user_id, week_number, contacted),
               on = "week_number", roll = 4, nomatch = NA
               ][is.na(contacted), contacted := 0]

你得到:

> out
    user_id week_number contacted
 1:  156086           1         0
 2:  156086           5         0
 3:  156086           9         0
 4:  156086          13         0
 5:  156086          16         0
 6:  156086          21         0
 7:  156086          30         0
 8:  156086          38         0
 9:  156086          42         0
10:  156086          46         0
11:  156086          50         0
12:  156086          53         0
13:  156086          72         0
14:  156086          76         0
15:  156086          83         0
16:  156086          93         0
17:  156086          98         0
18:  156086         103         1
19:  156086         110         0
20:  156086         120         1
21:  156086         124         1
22:  156086         128         0
23:  156086         133         0
24:  156086         137         0
25:  156086         141         0

解释:

与 setDT您将数据帧转换为数据包(这是数据帧的增强形式)。使用 purchase数据帧/数据表作为 contact 的引用数据框/数据表结合 nomatch = NA , .(user_id=i.user_id, week_number, contacted)和 roll = 4在过去 4 周内联系过客户时，返回包含匹配项的数据表。