基于双条件筛选ID：保留180天内购买不同车型的用户数据

我创建了如下示例dataframe：

df <- data.frame(id = c(1,1,1,2,2,2,2,3,3), 
                 car = c("subaru", "audi", "subaru", "toyota", "toyota", "audi", "subaru", "nissan", "nissan"),
                buy_date = c("01/01/2000", "01/01/2001", "01/02/2001", "01/01/2000", "01/05/2000", "01/01/2005", "01/03/2005", "01/01/2000", "02/01/2000"))

df$buy_date <- as.Date(df$buy_date, format="%d/%m/%Y") #此转换目前存在问题，但暂不关注

生成的数据框：

需求：针对每个ID，若该用户在180天内购买过两种不同类型的车型，则保留该ID对应的相关行。期望结果：

方法1：使用dplyr的前后行比较 #

仅依赖dplyr包即可实现，逻辑简洁直接：

library(dplyr)

result <- df %>%
  group_by(id) %>%
  arrange(buy_date) %>%
  # 标记当前行是否属于符合条件的记录组
  mutate(
    # 检查当前行之后180天内是否存在不同车型
    qualify = any((lead(buy_date, default = last(buy_date)+181) <= buy_date + 180) & (car != lead(car, default = car))),
    # 补充检查当前行之前180天内是否存在不同车型
    qualify = qualify | any((lag(buy_date, default = first(buy_date)-181) >= buy_date - 180) & (car != lag(car, default = car)))
  ) %>%
  filter(qualify) %>%
  select(-qualify) %>%
  ungroup()

print(result)

方法2：使用slider包的滑动窗口（更灵活） #

如果需要更精准的时间范围判断，推荐使用slider包的滑动窗口功能，适配复杂场景：

library(dplyr)
library(slider)

result <- df %>%
  group_by(id) %>%
  arrange(buy_date) %>%
  # 检查当前日期前后180天窗口内是否存在不同车型
  mutate(has_diff_car = slide_lgl(
    .x = car,
    .i = buy_date,
    .f = ~ length(unique(.x)) > 1,
    .before = 180,
    .after = 180
  )) %>%
  filter(has_diff_car) %>%
  select(-has_diff_car) %>%
  ungroup()

print(result)

两种方法均能得到期望结果，方法1适合基础场景，方法2更适配复杂时间窗口的判断需求。

内容的提问来源于stack exchange，提问作者Badboybørge