R DataFrame如何按时间统计事件并跨数据集关联匹配客户行为

依赖加载 #

library(tidyverse)
library(lubridate)

步骤1：时间字段格式转换 #

原始时间为字符串类型，无法直接比较先后顺序，统一解析为日期时间类型：

# 购买表时间转换
df1 <- df1 %>% 
  mutate(DATE_PURCHASE = mdy_hms(DATE_PURCHASE))

# 来电表时间转换
df2 <- df2 %>% 
  mutate(DATE_OF_CALL = mdy_hms(DATE_OF_CALL))

示例中时间字段的年份存在笔误（多写1位，如20021），不影响相对时间顺序解析，如需修正可在转换时替换字符串内的笔误内容。

步骤2：生成来电次数字段，提取客户最后一次来电 #

按客户分组、来电时间升序排序，逐行标记来电次序，再提取每位客户时间最新的一次来电记录：

last_calls <- df2 %>% 
  group_by(NAME) %>% 
  arrange(DATE_OF_CALL, .by_group = TRUE) %>% 
  # 生成来电次数字段
  mutate(`x attempt` = row_number()) %>% 
  # 取组内最新的一次来电
  slice_max(order_by = DATE_OF_CALL, n = 1) %>% 
  ungroup()

步骤3：匹配来电前最近一笔购买记录 #

关联同客户下、购买时间早于来电时间的所有记录，取时间差最小的购买作为匹配结果：

result <- last_calls %>% 
  # 非等值连接：姓名匹配，且购买时间早于来电时间
  left_join(
    df1 %>% select(NAME, PRODUCT, DATE_PURCHASE),
    by = join_by(NAME == NAME, DATE_PURCHASE < DATE_OF_CALL)
  ) %>% 
  group_by(NAME, `x attempt`, TYPE, DATE_OF_CALL) %>% 
  # 每组取购买时间最新的一条记录
  slice_max(order_by = DATE_PURCHASE, n = 1, with_ties = FALSE) %>% 
  ungroup() %>% 
  # 对齐目标表字段名
  rename(
    product = PRODUCT,
    DATE_CALL = DATE_OF_CALL
  )

低版本dplyr兼容写法：若不支持join_by函数，可将连接逻辑替换为等值连接后过滤的方式：

result <- last_calls %>% 
  left_join(df1 %>% select(NAME, PRODUCT, DATE_PURCHASE), by = "NAME") %>% 
  filter(DATE_PURCHASE < DATE_OF_CALL) %>% 
  group_by(NAME, `x attempt`, TYPE, DATE_OF_CALL) %>% 
  slice_max(order_by = DATE_PURCHASE, n = 1, with_ties = FALSE) %>% 
  ungroup() %>% 
  rename(product = PRODUCT, DATE_CALL = DATE_OF_CALL)

结果校验 #

处理完成后输出表结构与目标要求一致，其中Jean的记录与示例完全匹配：

若某客户最后一次来电前无任何购买记录，product、DATE_PURCHASE字段将自动填充为NA，符合业务逻辑。

内容的提问来源于stack exchange，提问作者R_Student