R语言中基于赠果筛选数据行并批量计算购买支出均值的方案

1. 核心逻辑 #

通过关联赠品记录与对应消费数据，再按赠品种类分组聚合，实现批量计算，无需手动循环。核心是利用Client（客户编号）和Visit（到店次数）两个字段，将赠品（Purchase=0）与同客户同次到店的后续消费（Purchase>0）绑定，再统一统计。

2. 基于tidyverse的高效实现 #

假设你的数据框名为store_data，代码如下：

library(tidyverse)

# 提取赠品记录，标记赠品种类
gift_records <- store_data %>%
  filter(Purchase == 0) %>%
  select(Client, Visit, Gift_Item = Item)

# 关联赠品与对应消费数据，批量计算各赠果的平均花费
gift_effect <- store_data %>%
  filter(Purchase > 0) %>%
  inner_join(gift_records, by = c("Client", "Visit")) %>%
  group_by(Gift_Item) %>%
  summarise(
    平均花费 = mean(Cost, na.rm = TRUE),
    有效交易数 = n()
  )

# 查看结果
print(gift_effect)

代码说明 #

• filter(Purchase == 0)筛选所有赠品记录，重命名Item为Gift_Item便于后续识别
• inner_join通过Client和Visit精准匹配，只保留有赠品的那次到店的消费数据
• group_by(Gift_Item)自动按赠品种类分组，summarise直接计算均值和交易数，一次性处理所有赠果（包括Apple、Orange等）

3. 基础R替代方案（无需第三方包） #

如果不想依赖tidyverse，用基础R函数也能实现：

# 提取赠品记录并重命名列
gift_records <- store_data[store_data$Purchase == 0, c("Client", "Visit", "Item")]
colnames(gift_records)[3] <- "Gift_Item"

# 关联消费数据与赠品记录
merged_data <- merge(
  store_data[store_data$Purchase > 0, ],
  gift_records,
  by = c("Client", "Visit")
)

# 批量计算各赠果的平均花费
gift_effect <- aggregate(
  Cost ~ Gift_Item,
  data = merged_data,
  FUN = function(x) mean(x, na.rm = TRUE)
)
colnames(gift_effect)[2] <- "平均花费"

print(gift_effect)

优势 #

• 无需手动编写多组循环，代码自动遍历所有赠品种类
• 所有结果统一存储在一个数据框中，方便后续分析或可视化

内容的提问来源于stack exchange，提问作者FavDz