使用R统计数据集中商品近3个月推广次数及代码问题排查

我来帮你排查代码里的问题，然后给出能实现需求的正确写法～

代码问题分析 #

你的代码之所以会全返回0，或者单独统计时得到整个数据集行数，核心有三个问题：

1. sum()的使用逻辑错了：sum()是对整个向量求和，会返回一个单一值，而不是逐行为每个商品计算对应次数。你当前的写法会把全数据集的条件结果加总，比如sum(df$ItemNumber == df$ItemNumber)本质是统计所有TRUE的数量，也就是整个数据集的行数。
2. 日期处理完全错误：你的PromotedDate应该是字符型（从示例格式判断），直接对字符型日期减100会导致类型混乱，转成Date后也是无效值；而且用100天近似三个月不够准确，应该用日期函数计算精确的三个月前日期。
3. 条件判断矛盾：df$PromotedDate < df$PromotedDate是同一向量自身比较，所有结果都是FALSE，这直接导致sum()的结果为0，所以所有行都返回0。

正确实现方案 #

我推荐用dplyr+lubridate的组合来处理，代码简洁高效，适配你的2800条数据规模：

第一步：加载并预处理数据 #

先安装并加载必要的包，把字符型日期转换成标准Date类型：

# 首次使用先安装包
install.packages(c("dplyr", "lubridate"))
library(dplyr)
library(lubridate)

# 转换日期格式：mdy()自动识别MM/DD/YYYY格式
df <- df %>%
  mutate(PromotedDate = mdy(PromotedDate))

第二步：按商品分组统计近3个月推广次数 #

按ItemNumber分组后，逐行计算对应日期前三个月内的推广次数：

df <- df %>%
  group_by(ItemNumber) %>%
  mutate(
    # 计算当前日期往前推3个月的精确日期
    three_months_ago = PromotedDate %m-% months(3),
    # 统计同商品中，推广日期在[three_months_ago, PromotedDate)之间的次数
    # 如果想把当前日期的推广也算进去，把<改成<=即可
    Number.Times.Promoted.Last.3.Months = sum(PromotedDate > three_months_ago & PromotedDate < PromotedDate, na.rm = TRUE)
  ) %>%
  ungroup()

如果你习惯用Base R写法 #

也可以用sapply()逐行遍历计算：

# 先转换日期格式
df$PromotedDate <- as.Date(df$PromotedDate, format = "%m/%d/%Y")

# 逐行计算每个商品的近3个月推广次数
df$Number.Times.Promoted.Last.3.Months <- sapply(1:nrow(df), function(i) {
  current_item <- df$ItemNumber[i]
  current_date <- df$PromotedDate[i]
  three_months_back <- current_date - months(3)
  # 统计符合条件的行数
  sum(df$ItemNumber == current_item & df$PromotedDate > three_months_back & df$PromotedDate < current_date, na.rm = TRUE)
})

验证说明 #

拿你的示例数据来说，每个商品只有一次推广记录，所以新增列的值都会是0，符合预期。如果某个商品有多次推广（比如ItemA在2018-11-01和2018-12-31各有一次推广），那么2018-12-31这行的统计值会是1，因为2018-11-01落在2018-09-31（三个月前）到2018-12-31之间。

内容的提问来源于stack exchange，提问作者Mike