R语言按用户分组统计登录字符串出现次数生成会话编号问题

现有代码问题 #

• mutate方法不支持直接传入for循环作为赋值逻辑，它要求输入的计算结果是与分组行数等长的向量
• 循环内部每次迭代都会重置i=0，无法实现累计计数的效果
• 循环遍历的是外部对象PinnacleActivityLog，没有调用当前分组内的type列数据，逻辑不匹配
• 没有提前对每个用户的行为按时间排序，若原始数据顺序混乱会导致会话计数完全错误

可用实现方案 #

首先需要加载tidyverse套件（包含dplyr、stringr等所需工具），实现逻辑直接用累计求和替代手动循环，和你给出的伪代码逻辑完全一致：

library(tidyverse)

# 示例数据加载
table <- data.frame(
  userid = c("111", "111", "111", "111", "111", "111", "111", "111", "222", "222", "222", "111", "111", "222", "222", "222"),
  timestamp = c("11/2/2020 15:26", "11/2/2020 15:56", "11/2/2020 15:56", "11/2/2020 16:30", "11/2/2020 17:43", "11/2/2020 19:05", "11/4/2020 19:15", "11/4/2020 20:05", "11/3/2020 19:23", "11/3/2020 19:50", "11/3/2020 20:15", "11/4/2020 22:25", "11/4/2020 22:45", "11/5/2020 12:45", "11/5/2020 12:50", "11/5/2020 12:55"),
  type = c("Log In", "Search", "Click", "Click", "Search", "Log Out", "Log In", "Log Out", "Log In", "Search", "Log Out", "Log In", "Log Out", "Log In", "Click", "Log Out")
)

# 会话编号计算
result <- table %>%
  # 转换时间格式，避免字符串排序出错
  mutate(timestamp = as.POSIXct(timestamp, format = "%m/%d/%Y %H:%M")) %>%
  # 按用户+时间排序，保证行为序列顺序正确
  arrange(userid, timestamp) %>%
  group_by(userid) %>%
  # 每遇到一次Log In就计数+1，累计结果就是会话编号
  mutate(Session_List = cumsum(type == "Log In")) %>%
  ungroup()

运行后得到的result就和你预期的输出完全一致，用户111会有3次会话，用户222会有2次会话，同一会话内的所有行为编号相同。

内容的提问来源于stack exchange，提问作者arhomberg