You need to enable JavaScript to run this app. R中按Chain、Product分组生成创新销售虚拟变量I的实现方法
优惠活动
大模型
产品
解决方案
定价
更多

R中按Chain、Product分组生成创新销售虚拟变量I的实现方法

R中实现分组识别产品上市节点虚拟变量的方案

核心判定逻辑:你要构造的虚拟变量I,本质是在每个Chain与Product构成的独立分组内,找到按Week升序排列后,第一个满足「此前所有周次Sales均为0,当前周Sales大于0」的观测行,将该行的I赋值为1,其余所有观测I赋值为0。R中无需硬写多层嵌套循环,分组向量化操作的运行效率远高于逐行遍历。

推荐方案:基于dplyr的向量化计算

这种写法代码简洁、运行速度快,适配任意规模的销售数据集,不会因为数据量变大出现循环卡顿的问题。
实现步骤如下:

  • 先加载dplyr工具包,准备好原始数据
  • 按Chain、Product字段对数据做分组
  • 组内按Week升序排列,保证周次顺序符合时间逻辑
  • 识别每个分组内第一次出现非0销售的位置,校验该位置之前的销售值是否全为0,满足条件则标记I=1

完整可复现代码:

# 加载依赖包
library(dplyr)

# 复现题目中提到的样例数据集
df <- tibble(
  Chain = c(rep("Chain1", 52), rep("Chain2", 52), rep("Chain1", 52), rep("Chain2", 52)),
  Product = c(rep("Prod1", 104), rep("Prod2", 104)),
  Week = rep(1:52, 4),
  Sales = c(
    # Chain1-Prod1:1-50周销售为0,51周10、52周14
    rep(0, 50), 10, 14,
    # Chain2-Prod1:第1周即有非0销售
    10, 11, rep(1, 48), 12, 15,
    # Chain1-Prod2:第1周即有非0销售
    3, 4, rep(1, 48), 8, 10,
    # Chain2-Prod2:第1周即有非0销售
    11, 12, rep(1, 48), 15, 7
  )
)

# 构造虚拟变量I
df_final <- df |> 
  group_by(Chain, Product) |> 
  # 组内强制按Week排序,避免数据乱序导致判定错误
  arrange(Week, .by_group = TRUE) |> 
  mutate(
    # 定位组内第一个销售大于0的行号
    first_nonzero_pos = which.max(Sales > 0),
    # 校验该位置之前的所有销售是否全为0
    prior_all_zero = all(head(Sales, first_nonzero_pos - 1) == 0),
    # 满足所有条件的位置标记为1,其余为0
    I = ifelse(
      row_number() == first_nonzero_pos & prior_all_zero & Sales[first_nonzero_pos] > 0,
      1,
      0
    )
  ) |> 
  ungroup()

运行上述代码后,输出结果完全匹配预期:仅Chain1的Prod1在第51周观测的I值为1,其余所有Chain-Product组合的所有周次I值均为0。

循环写法实现(适配练习需求)

如果是出于学习目的想练习循环逻辑,可先拆分所有独立的Chain-Product分组,对每个分组单独做判定后再拼接结果,不需要逐行扫描全表:

# 提取所有不重复的Chain-Product分组键
group_keys <- unique(df[, c("Chain", "Product")])
# 预分配存储结果的列表,提升循环效率
result_store <- vector("list", nrow(group_keys))

# 遍历每个分组处理
for (i in seq_len(nrow(group_keys))) {
  # 提取当前分组的子集,按Week升序排列
  subset <- df[df$Chain == group_keys$Chain[i] & df$Product == group_keys$Product[i], ]
  subset <- subset[order(subset$Week), ]
  
  # 初始化I列全为0
  subset$I <- 0
  
  # 定位当前分组内第一个销售非0的位置
  nonzero_rows <- which(subset$Sales > 0)
  if (length(nonzero_rows) > 0) {
    first_pos <- nonzero_rows[1]
    # 排除第一周就有非0销售的情况,仅保留此前全为0的上市节点
    if (first_pos > 1 && all(subset$Sales[1:(first_pos - 1)] == 0)) {
      subset$I[first_pos] <- 1
    }
  }
  result_store[[i]] <- subset
}

# 拼接所有分组的结果
df_loop_result <- do.call(rbind, result_store)

注意事项

  • 不管使用哪种实现方式,一定要在判定前对每个分组按Week升序排序,如果原始数据的周次是乱序存储的,会直接导致上市节点识别错误。
  • 判定逻辑中必须排除「产品从第一周就开始产生非0销售」的场景,这类产品没有前置的零销售阶段,不属于你定义的“新产品上市”范畴,I值需全部为0,和题目给出的三个对照分组规则一致。

内容的提问来源于stack exchange,提问作者KKhello

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.02 03:15:04