在R中用dplyr按分组及出现顺序生成flag并聚合金额

原始数据 #

需求说明 #

1. 生成flag字段：按customer_id分组，找到每组内第一条status为"beneficiary"的记录：
   • 若该记录的channel为"shop"，标记flag为"taker"
   • 若该记录的channel非"shop"，或组内无"beneficiary"记录，标记flag为"targeted"
2. 生成ttl_amount字段：按customer_id分组计算总金额

预期结果 #

注：原预期结果中customer_id=1的flag标注为"beneficiary"应为笔误，按需求规则正确标记应为"taker"

dplyr实现代码 #

library(dplyr)

# 假设原始数据框名为df
df %>%
  group_by(customer_id) %>%
  mutate(
    # 计算客户总金额
    ttl_amount = sum(amount),
    # 获取第一条beneficiary记录的channel，无匹配则返回NA
    first_benefit_channel = channel[match("beneficiary", status)],
    # 根据规则生成flag
    flag = case_when(
      !is.na(first_benefit_channel) & first_benefit_channel == "shop" ~ "taker",
      TRUE ~ "targeted"
    )
  ) %>%
  # 去重保留每个客户的唯一聚合记录
  distinct(customer_id, ttl_amount, flag) %>%
  ungroup()

代码逻辑解释 #

• group_by(customer_id)：按客户ID分组处理
• sum(amount)：直接计算每组的交易总金额
• channel[match("beneficiary", status)]：match()返回status列中首次出现"beneficiary"的索引位置，用该索引提取对应channel值；若组内无"beneficiary"，则返回NA
• case_when()：多条件判断生成flag：仅当存在第一条beneficiary且对应channel为shop时标记"taker"，其余所有情况统一标记"targeted"
• distinct()：分组后每条记录都带有相同的聚合结果，去重后保留每个客户的唯一记录
• ungroup()：取消分组，恢复为普通数据框结构

内容的提问来源于stack exchange，提问作者GitZine