R语言：10000个客户ID购买日期间隔超183天的二进制标记问题求助

原代码的问题 #

• 循环范围错误：for (id in 10000) 仅遍历id=10000，而非所有客户ID；
• 内层循环未生成序列：for (i in length(purchase_date[id])) 只执行一次（取长度值），而非从1到日期列表长度；
• 索引逻辑错误：未按客户分组后对日期排序，且相邻日期的比较索引关系混乱；
• 结果未关联到对应记录：仅用单个变量above_half_year覆盖值，无法对应每条购买记录的结果。

正确实现方法（使用dplyr，高效处理分组数据） #

首先确保purchase_date是日期类型，然后按客户ID分组，对日期排序后计算相邻间隔：

# 加载必要包
library(dplyr)

# 转换日期格式（如果未转换）
df$purchase_date <- as.Date(df$purchase_date)

# 计算相邻日期间隔并生成二进制结果
df_result <- df %>%
  group_by(ID) %>%
  arrange(purchase_date) %>% # 按客户内的购买日期排序
  mutate(
    # 计算当前日期与上一个日期的间隔，第一条记录设为NA
    days_diff = as.numeric(purchase_date - lag(purchase_date)),
    # 转换为0/1：间隔>=183则为1，否则0；第一条记录设为0
    above_half_year = ifelse(is.na(days_diff), 0, as.integer(days_diff >= 183))
  ) %>%
  ungroup()

# 查看结果
print(df_result)

代码说明 #

• group_by(ID)：按客户ID分组处理；
• arrange(purchase_date)：确保每个客户的购买日期按时间顺序排列，保证相邻日期的计算正确；
• lag(purchase_date)：获取每个客户内上一条购买日期；
• ifelse(is.na(days_diff), 0, ...)：第一条购买记录没有上一个日期，直接设为0；
• as.integer(days_diff >= 183)：将布尔值转换为0/1的二进制结果。

验证结果 #

针对你提供的样例数据，运行上述代码后会得到与预期完全一致的输出：

ID purchase_date days_diff above_half_year
1   1    2014-01-13        NA               0
2   1    2014-04-14        91               0
3   1    2014-08-13       121               0
4   1    2014-09-12        30               0
5   1    2014-11-12        61               0
6   1    2015-02-13        93               0
7   1    2017-02-14       732               1
8   1    2018-12-13       667               1
9   1    2019-04-15       123               0
10  2    2016-03-01        NA               0
11  3    2016-06-13        NA               0
12  3    2016-09-20        99               0
13  3    2016-10-20        30               0
14  3    2016-11-21        32               0
15  3    2016-12-20        29               0

内容的提问来源于stack exchange，提问作者Estelle