7

对于数据集test，我的目标是逐个周期地找出有多少唯一用户从一个时期转移到下一个时期。 

> test
   user_id period
1        1      1
2        5      1
3        1      1
4        3      1
5        4      1
6        2      2
7        3      2
8        2      2
9        3      2
10       1      2
11       5      3
12       5      3
13       2      3
14       1      3
15       4      3
16       5      4
17       5      4
18       5      4
19       4      4
20       3      4

例如，在第一个时期有四个唯一用户（1、3、4 和 5），其中两个在第二个时期是活跃的。因此，保留率将是 0.5。在第二个时期有 3 个独立用户，其中两个在第三个时期是活跃的，因此保留率为 0.666，以此类推。如何找到在下一时期活跃的唯一用户的百分比？任何建议，将不胜感激。

输出如下：

> output
  period retention
1      1        NA
2      2     0.500
3      3     0.666
4      4     0.500

test数据：

> dput(test)
structure(list(user_id = c(1, 5, 1, 3, 4, 2, 3, 2, 3, 1, 5, 5, 
2, 1, 4, 5, 5, 5, 4, 3), period = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 
2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4)), .Names = c("user_id", "period"
), row.names = c(NA, -20L), class = "data.frame")
4

3 回答 3

4

这是使用 的尝试dplyr，尽管它也在 中使用了一些标准语法summarise：

test %>% 
group_by(period) %>% 
summarise(retention=length(intersect(user_id,test$user_id[test$period==(period+1)]))/n_distinct(user_id)) %>% 
mutate(retention=lag(retention))

这将返回：

period retention
   <dbl>     <dbl>
1      1        NA
2      2 0.5000000
3      3 0.6666667
4      4 0.5000000
于 2017-05-20T00:08:54.897 回答
4

这个怎么样？首先按时间段拆分用户，然后编写一个计算任意两个时间段之间的比例结转的函数，然后用 循环遍历拆分列表mapply。

splt <- split(test$user_id, test$period)

carryover <- function(x, y) {
    length(unique(intersect(x, y))) / length(unique(x))
}
mapply(carryover, splt[1:(length(splt) - 1)], splt[2:length(splt)])

        1         2         3 
0.5000000 0.6666667 0.5000000
于 2017-05-19T21:14:57.300 回答
0

这不是那么优雅，但它似乎工作。假设df是数据框：

# make a list to hold unique IDS by 
uniques = list()
for(i in 1:max(df$period)){
  uniques[[i]] = unique(df$user_id[df$period == i])
}

# hold the retention rates
retentions = rep(NA, times = max(df$period))

for(j in 2:max(df$period)){
  retentions[j] = mean(uniques[[j-1]] %in% uniques[[j]])
}

基本上 %in% 创建了第一个参数的每个元素是否在第二个中的逻辑。取平均值给了我们比例。

于 2017-05-19T20:59:51.237 回答