求助：动态计算时间序列中客户产品的日期变量

针对需求中需要为每位客户和产品计算Date_replaced（产品被其他品类替代的时间点）和Date_current_until（产品作为当前使用产品的截止时间点），可以通过划分连续品类购买区块的方式实现动态查找，替代固定步长的lead()/lag()方法。

核心逻辑 #

1. 按Customer_ID分组，按Date排序购买记录
2. 为每个客户的连续相同品类购买记录分配唯一组ID，区分不同的品类使用周期
3. 针对每个品类组，获取下一个品类组的起始购买日期（即当前品类被替代的时间）
4. 根据是否存在后续品类组，分别计算两个目标变量：
   • Date_replaced：下一个品类组的起始日期，无后续则为NA
   • Date_current_until：有后续品类组则取其起始日期，无后续则取客户最后一次购买的日期

实现代码（dplyr + data.table） #

library(dplyr)
library(data.table)

# 原始数据构建
Customer_ID <- c(rep(1,4), rep(2,5))
Date <- c(seq(as.Date("2024-02-01"), as.Date("2024-02-04"), "days"), seq(as.Date("2024-02-01"), as.Date("2024-02-05"), "days")) 
Goods <- c(rep("Food",3), "Toys", "Newspaper", rep("Food",3), "Toys")
Date_first_purchased <- c(rep("2024-02-01", 3), "2024-02-04", "2024-02-01", rep("2024-02-02", 3), "2024-02-05") %>% as.Date(., format="%Y-%m-%d") 

df <- data.frame(Customer_ID, Date, Goods, Date_first_purchased)

# 计算目标变量
df_result <- df %>%
  group_by(Customer_ID) %>%
  arrange(Date, .by_group = TRUE) %>%
  # 为连续相同品类分配组ID
  mutate(goods_group = rleid(Goods)) %>%
  # 获取客户最后一次购买日期
  mutate(customer_last_date = max(Date)) %>%
  # 按客户+品类组分组计算
  group_by(Customer_ID, goods_group) %>%
  mutate(
    # 获取下一个品类组的起始日期
    next_group_first_date = lead(first(Date), n = 1, default = NA),
    # 计算Date_replaced
    Date_replaced = next_group_first_date,
    # 计算Date_current_until
    Date_current_until = ifelse(is.na(next_group_first_date), customer_last_date, next_group_first_date)
  ) %>%
  ungroup() %>%
  # 清理中间变量
  select(-goods_group, -customer_last_date, -next_group_first_date)

# 查看结果
print(df_result)

无data.table的替代实现 #

如果不想依赖data.table，可以用dplyr原生函数生成品类组ID：

library(dplyr)

df_result <- df %>%
  group_by(Customer_ID) %>%
  arrange(Date, .by_group = TRUE) %>%
  # 标记品类变化点，生成组ID
  mutate(
    goods_change = ifelse(is.na(lag(Goods)), TRUE, Goods != lag(Goods)),
    goods_group = cumsum(goods_change)
  ) %>%
  mutate(customer_last_date = max(Date)) %>%
  group_by(Customer_ID, goods_group) %>%
  mutate(
    next_group_first_date = lead(first(Date), n = 1, default = NA),
    Date_replaced = next_group_first_date,
    Date_current_until = ifelse(is.na(next_group_first_date), customer_last_date, next_group_first_date)
  ) %>%
  ungroup() %>%
  select(-goods_change, -goods_group, -customer_last_date, -next_group_first_date)

结果验证 #

运行代码后得到的df_result与示例数据中的Date_replaced和Date_current_until完全匹配，解决了固定步长函数无法动态查找替代时间的问题。

内容的提问来源于stack exchange，提问作者GRowInG