0

我有一个如下所示的 data.frame：

> head(activity_data)
ev_id cust_id active previous_active start_date
1 1141880     201      1               0 2008-08-17
2 4927803     201      1               0 2013-03-17
3 1141880     244      1               0 2008-08-17
4 2391524     244      1               0 2011-02-05
5 1141868     325      1               0 2008-08-16
6 1141872     325      1               0 2008-08-16

  • 对于每个 cust_id

    • 对于每个 ev_id

      • 创建一个新变量 $recent_active （= sum $active 与此 cust_id 的所有行，其中 $start_date > [this_row]$start_date - 10）

我正在努力使用 ddply 来做到这一点，因为我的拆分分组是 .(cust_id) 并且我想返回带有 cust_id 和 ev_id 的行

这是我尝试过的

ddply(activity_data, .(cust_id), function(x) recent_active=sum(x[this_row,]$active))

如果 ddply 不是一个选项，您还推荐什么其他有效的方法。我的数据集有大约 2 亿行，我需要每行执行大约 10-15 次。

样本数据在这里

4

1 回答 1

0

您实际上需要在这里使用两步方法（并且在使用以下代码之前还需要将日期转换为日期格式）

ddply(activity_date, .(cust_id), transform, recent_active=your function) #Not clear what you are asking regarding the function

ddply(activity_date, .(cust_id,ev_id), summarize,recent_active=sum(recent_active))
于 2013-08-22T14:26:29.863 回答