如何按客户及下次交易间隔时间对客户购物会话分组？

要实现按客户分组的购物会话分桶，规则如下：

• 每个客户的首笔交易会话编号从1开始
• 后续交易：
  • 若上一笔交易的time_until_next > 30，新会话编号 = 上一会话编号 + 1
  • 若上一笔交易的time_until_next ≤ 30 或为NA，会话编号与上一笔保持一致

直接用tidyverse工具链就能搞定，代码如下：

library(tidyverse)

# 原始数据
cust_transactions_before <- 
  tibble(
    customer_name = c("a", "a", "a", "a", "a", "a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "b", "b", "b", "b", "b"),
    time_until_next = c(41, 19, 5, 27, 49, 3, 10, 20, 13, NA_integer_, 25, 17, 8, 33, 25, 31, 19, 5, 27, NA_integer_)
  )

# 处理会话分桶
cust_transactions_after <- cust_transactions_before %>%
  group_by(customer_name) %>%
  mutate(
    # 标记需要开启新会话的位置：首条记录必为1，后续仅上一条间隔>30时标记1
    session_flag = case_when(
      row_number() == 1 ~ 1L,
      lag(time_until_next) > 30 ~ 1L,
      TRUE ~ 0L
    ),
    # 累加标记得到连续的会话编号
    cust_session = cumsum(session_flag)
  ) %>%
  select(-session_flag) %>%  # 清理中间变量
  ungroup()

# 查看结果
cust_transactions_after

代码解释 #

1. 分组处理：用group_by(customer_name)确保每个客户的会话独立计算
2. 会话切换标记：session_flag变量专门标记何时需要开启新会话，首条记录强制为1（初始化会话），后续只在上一笔交易间隔超过30时标记为1
3. 生成会话编号：通过cumsum(session_flag)对标记累加，自然得到连续的会话编号
4. 清理收尾：移除中间变量并取消分组，得到符合要求的最终数据框

运行这段代码后，输出结果完全匹配目标数据框。

内容的提问来源于stack exchange，提问作者Frank B.