r - 为每个用户创建具有多个条件的累积计数器变量

Question

我需要根据其他三个变量创建一个计数器变量。

这是本题的扩展题。 extension question考虑多个消费者在亚马逊下订单的情况。我想统计每个用户的订单成功次数。如果下单成功，计数器变量self加一；如果下单失败，计数器保持不变。显然，计数器变量将取决于时间、订单状态和用户。

请考虑当t相同但订单状态不同时的场景，这并不意味着该行重复，它有其他列不同。

DT <- data.table(time=c(1,2,2,2,1,1,2,3,1,1),user=c(1,1,1,1,2,3,3,3,4,4), order_status=c('f','f','t','t','f','f','t','t','t','t'))
DT

所需的计数器输出如下。 “输出”是计数器变量。

    time user order_status output
 1:    1    1            f      0
 2:    2    1            f      0
 3:    2    1            t      1
 4:    2    1            t      1
 5:    1    2            f      0
 6:    1    3            f      0
 7:    2    3            t      1
 8:    3    3            t      2
 9:    1    4            t      1
10:    1    4            t      1

Answer 1

这里的主要挑战是将 time, user, order_status=='t' 的每个组合的第一次出现设置为1。然后就是一个简单的累加和按用户分组。

这里有两种使用 data.table 完成此操作的方法:

方法一:

DT[, id := 0L
  ][order_status == "t", id := c(1L, rep(0L, .N-1L)), by=names(DT)
   ][, id := cumsum(id), by=user]

此处的第 2 行仅在 order_status == "t" 时标记 1 的第一次出现。

我的大量注释的生产代码看起来像这样:

DT[, id := 0L                       # set entire id col to 0
  ][order_status == "t",            # then, where order status is true
      id := c(1L, rep(0L, .N-1L)),  # set (or update) first value to 1
      by = names(DT)                # for every time,user,order_status
   ][, id := cumsum(id),            # then, get cumulative sum of id
       by = user]                   # for every user

---

方法 2:使用 data.table 的 join+update:

DT[, id := 0L
  ][DT, id := as.integer(order_status == "t"), mult="first", on=names(DT)
   ][, id := cumsum(id), by=user]

此处的第二步与方法 1 中的操作相同，但它直接识别第一次出现并将其更新为 1 if order_status == "t" 通过执行基于连接的子集的更新。您可以将内部的DT替换为unique(DT)，以去除冗余。

如果必须这样做，我会说第一种方法更有效，因为为每个组创建一个 rep() 应该非常快，而不是 join+update。但我发现第二种方法更容易识别实际操作是什么，如果您在几周后查看您的代码，我认为这更重要。