按客户ID统一计算关系长度的R语言技术实现问题

原代码的问题在于逐行计算时，同一客户ID的不同记录会因defected状态或defection_date的差异得到不同结果，但需求是同一ID的关系长度需保持一致。我们需要先按ID聚合关键信息，再将计算结果映射回原数据集。

方法1：使用dplyr（tidyverse风格） #

这是最直观的分组处理方式，步骤如下：

1. 确保日期列是Date类型（如果原数据还没转换）
2. 按ID分组，计算每个ID的核心参数：
   • 统一的首次捐赠日期（每个ID的首次捐赠日期应该一致，直接取唯一值）
   • 判断该ID是否存在流失记录（只要有一行defected=1即判定为流失）
   • 首次流失日期（若流失，取所有defection_date中的最小值）
3. 计算每个ID的统一关系长度
4. 将计算结果合并回原数据集

完整代码 #

# 加载dplyr包（如果未安装先运行install.packages("dplyr")）
library(dplyr)

# 确保日期列转换为Date类型（如果原数据不是的话）
dataset <- dataset %>%
  mutate(
    first_donation_date = as.Date(first_donation_date),
    defection_date = as.Date(defection_date)
  )

# 按ID聚合计算统一的关系长度
id_relationship <- dataset %>%
  group_by(ID) %>%
  summarise(
    first_donation_date = first(first_donation_date), # 每个ID的首次捐赠日期唯一
    has_defected = any(defected == 1, na.rm = TRUE),
    first_defection_date = min(defection_date, na.rm = TRUE)
  ) %>%
  mutate(
    relationship_length = if_else(
      has_defected,
      as.numeric(first_defection_date - first_donation_date),
      as.numeric(as.Date("2022-02-11") - first_donation_date)
    )
  ) %>%
  select(ID, relationship_length) # 只保留需要的列

# 将统一值合并回原数据集
dataset <- dataset %>%
  left_join(id_relationship, by = "ID")

方法2：使用base R（无需额外包） #

如果不想加载dplyr，可以用ave函数结合分组逻辑：

# 转换日期列
dataset$first_donation_date <- as.Date(dataset$first_donation_date)
dataset$defection_date <- as.Date(dataset$defection_date)

# 按ID计算是否流失
dataset$has_defected <- ave(dataset$defected, dataset$ID, FUN = function(x) any(x == 1, na.rm = TRUE))

# 按ID计算首次流失日期
dataset$first_defection_date <- ave(dataset$defection_date, dataset$ID, FUN = function(x) min(x, na.rm = TRUE))

# 计算统一的关系长度
dataset$relationship_length <- if_else(
  dataset$has_defected,
  as.numeric(dataset$first_defection_date - dataset$first_donation_date),
  as.numeric(as.Date("2022-02-11") - dataset$first_donation_date)
)

# 可选：删除中间临时列
dataset <- dataset[, !names(dataset) %in% c("has_defected", "first_defection_date")]

验证结果 #

处理后你的数据集会变成：

ID first_donation_date date_of_donation defected defection_date relationship_length
1  2014-01-13          2014-01-13       0        NA             1128
1  2014-01-13          2014-04-14       0        NA             1128
1  2014-01-13          2014-08-13       0        NA             1128
1  2014-01-13          2014-09-12       0        NA             1128
1  2014-01-13          2014-11-12       0        NA             1128
1  2014-01-13          2015-02-13       0        NA             1128
1  2014-01-13          2017-02-14       1        2017-02-14     1128
1  2014-01-13          2018-12-13       1        2018-12-13     1128
2  2013-12-02          2013-12-02       0        NA             2993
2  2013-12-02          2014-05-02       0        NA             2993

内容的提问来源于stack exchange，提问作者Estelle