R计算(分层)长数据集中的时间差

Question

我一直在努力处理一些时间戳数据(直到现在才需要处理日期，并且它表明)。希望您能帮忙。

我正在处理来自网站的数据，该数据显示每个客户 (ID) 各自的访问以及这些访问的时间戳。它的分组是指一个客户可能有多次访问/时间戳。

df 的结构如下，采用长格式:

 df <- data.frame("Customer" = c(1, 1, 1, 2, 3, 3),  
                  "Visit" =c(1, 2, 3, 1, 1, 2), # e.g. customer ID #1 has visited the site three times.
                  "Timestamp" = c("2019-12-31 12:13:25", "2019-12-31 16:13:25", "2020-01-05 10:13:25", "2019-11-12 15:18:42", "2019-11-13 19:22:35", "2019-12-10 19:43:55"))

注意:在真实的数据集中，时间戳不是一个因素，而是其他一些憔悴的字符类型令人厌恶的因素，我可能应该首先尝试以某种方式转换为 POSIXct 格式。

我想要在这里做的是创建一个 df，它显示每个客户的平均访问时间(假设以分钟或小时为单位)。仅进行过一次访问的访问者(例如，我的示例中的第二个客户)可以提前过滤掉，或者应该显示 0。我的最终目标是可视化该分布，并可能计算所有客户的总平均值。

因为访问次数可能会有很大差异(例如 1 次或 256 次访问)，所以我不能只使用数据集的“宽”版本，其中固定的访问次数是我可以减去并平均的列。

我有点不知如何最好地解决此类问题，非常感谢!

Answer 1

使用 dplyr:

df %>%
  arrange(Customer, Timestamp) %>%
  group_by(Customer) %>%
  mutate(Difference = Timestamp - lag(Timestamp)) %>%
  summarise(mean(Difference, na.rm = TRUE))

由于分组，任何客户的第一个差异值应为 NA(包括仅访问过一次的客户)，因此它们将随平均值一起被丢弃。