r - 在 R 中创建客户流失的二进制响应变量

Question

我有以下 excel 文件:

CustomerID  year retained
1   2012    0
2   2013    0
3   2007    1
3   2008    1
3   2009    0
4   2010    0
5   2008    1
5   2009    0
6   2015    0
7   2014    0
8   2010    1
8   2011    1
8   2012    1
8   2013    0
9   2015    0
10  2015    0

在 excel 中，创建保留变量的命令是:IF(A2=A3,1,0)。

我已经在 Internet 上阅读了很多关于 lapply、sapply 和其他关于 R 生存分析的例子，尤其是在这个很棒的网站上——但我在 R 中实现这个时遇到了麻烦。我知道它会是这样的:

df["retained"] <- something

我能够使用以下代码成功计算任期:

df$tenure <- with(df,ave(CustomerID,CustomerID,FUN=seq_along))

但我无法想出 df["retained"] 的 R 代码应该是什么，而且我发现大多数其他 Stackoverflow 帖子在 R 方面更高级。所以希望除了解决我的问题是，这也可以帮助那些在努力中从 excel 初步过渡到 R 的人。非常感谢。

Answer 1

这里有一个稍微不正统的解决方案:

df$retained <- c(+(df$CustomerID[-1L]==df$CustomerID[-nrow(df)]),0L);
##    CustomerID year retained
## 1           1 2012        0
## 2           2 2013        0
## 3           3 2007        1
## 4           3 2008        1
## 5           3 2009        0
## 6           4 2010        0
## 7           5 2008        1
## 8           5 2009        0
## 9           6 2015        0
## 10          7 2014        0
## 11          8 2010        1
## 12          8 2011        1
## 13          8 2012        1
## 14          8 2013        0
## 15          9 2015        0
## 16         10 2015        0

它的工作原理是测试下一个 CustomerID 是否等于previous CustomerID。如果为 true，则当前行(对应于 previous CustomerID)将被保留，因此值应为 1。在(最新版本的)R 中，您可以使用一元加号运算符将逻辑向量强制转换为整数向量，因此将一元加号应用于相等比较的结果给出 1 表示真，0 表示假。

此外，我们必须用零手动补充生成的整数向量，因为最后一行没有可以与之比较的 next CustomerID。

此解决方案仅在 data.frame 按 CustomerID 排序，然后按 year 排序时才有效。