如何基于120天时间区间将客户订单DataFrame转换为宽格式

首先对原始数据做预处理，转换日期格式并按客户、订单时间排序：

library(dplyr)
library(tidyr)

# 转换日期类型并按客户+订单日期排序
df <- df %>%
  mutate(orderdate = as.Date(orderdate)) %>%
  arrange(customerid, orderdate)

接下来按客户分组，精准划分120天订单区间：
核心逻辑：以每个客户的首单日期为首个区间起始，后续订单若与当前区间起始日期差超过120天，则开启新区间，新区间起始为当前订单日期。

df <- df %>%
  group_by(customerid) %>%
  mutate(
    # 计算当前订单与客户首单的天数差
    day_diff = orderdate - first(orderdate),
    # 判断是否需要新建区间：非首单且与首单差超120天则标记
    new_group = ifelse(day_diff > 120 & row_number() != 1, 1, 0),
    # 累积标记生成区间分组ID
    group_id = cumsum(new_group) + 1
  ) %>%
  ungroup()

最后将每个客户的每个区间转换为宽格式：

result <- df %>%
  group_by(customerid, group_id) %>%
  # 为每个区间内的订单生成序号列名
  mutate(order_num = paste0("order_", row_number())) %>%
  pivot_wider(
    id_cols = c(customerid, group_id),
    names_from = order_num,
    values_from = orderid
  ) %>%
  ungroup()

# 可选：移除group_id列（若不需要保留区间标识）
result <- result %>% select(-group_id)

运行后输出结果如下：

该方案能准确区分跨120天的订单区间：比如A1的订单4（2020-12-21）与首单（2020-05-19）间隔超120天，单独划分为新区间；A2的三个订单均在首单120天范围内，合并为一行。

内容的提问来源于stack exchange，提问作者pandas123