基于R语言计算用户入职后13周内的登录事件次数

你之前报错的核心原因是误用了sum处理POSIXct类型数据——我们需要的是计数符合时间范围的登录事件行数，而非对时间值求和。以下是两种简洁的dplyr实现方案：

前置准备 #

确保已加载必要的包：

library(dplyr)
library(lubridate) # 用于便捷处理日期时间，可选（不用的话可替换`days(91)`为整数91）

方案1：先过滤再分组计数 #

先筛选出每个用户入职后91天内的登录记录，再按用户分组统计次数：

login_counts <- log_df %>%
  # 将入职日期转换为POSIXct，与raised_at类型统一，同时计算91天后的截止时间
  mutate(
    onboarding_posix = as.POSIXct(onboarding_date),
    period_end = onboarding_posix + days(91)
  ) %>%
  # 过滤登录时间在入职日到截止日之间的记录
  filter(raised_at >= onboarding_posix, raised_at <= period_end) %>%
  # 按用户分组，统计登录次数
  group_by(case_number) %>%
  summarize(login_count = n())

方案2：分组后直接条件计数 #

无需提前过滤，直接在分组统计阶段判断每条记录是否符合时间范围：

login_counts <- log_df %>%
  group_by(case_number, onboarding_date) %>%
  summarize(
    login_count = sum(
      # 逻辑条件：登录时间在入职日及之后，且入职91天内
      raised_at >= as.POSIXct(onboarding_date) & 
      raised_at <= as.POSIXct(onboarding_date + days(91)),
      na.rm = TRUE # 处理可能的NA值
    ),
    .groups = "drop" # 取消分组状态
  )

补充：保留所有用户（含无登录记录的用户） #

如果需要统计所有用户（包括入职后无登录的用户，计数为0），可结合right_join补全：

# 假设存在包含所有用户的user_df（至少有case_number和onboarding_date列）
login_counts_all <- log_df %>%
  group_by(case_number, onboarding_date) %>%
  summarize(
    login_count = sum(
      raised_at >= as.POSIXct(onboarding_date) & 
      raised_at <= as.POSIXct(onboarding_date + days(91)),
      na.rm = TRUE
    ),
    .groups = "drop"
  ) %>%
  right_join(user_df %>% select(case_number, onboarding_date), 
             by = c("case_number", "onboarding_date")) %>%
  mutate(login_count = replace_na(login_count, 0))

内容的提问来源于stack exchange，提问作者RebeccA