R语言中银行交易时间24小时分箱及客户交易频次统计需求

嘿，我来帮你搞定这个交易时间分组的问题！你之前用as.POSIXct没得到预期结果，大概率是因为这个函数会自动补全日期，而你其实只需要提取小时部分就行。而且嵌套24层ifelse太麻烦了，咱们用更简洁易维护的方法来实现你的需求：

步骤1：正确提取交易时间的小时部分 #

首先咱们要把字符型的交易时间转换成时间格式，然后提取出小时数（0-23的整数）。这里推荐用lubridate包的hms()函数，专门处理时分秒格式的字符串：

# 先加载tidyverse（包含lubridate和dplyr，方便后续操作）
library(tidyverse)

# 转换时间并提取小时
Customers <- Customers %>%
  mutate(
    # 把TRANSACTION.TIME转换成时分秒对象
    transaction_time = hms(TRANSACTION.TIME),
    # 提取小时数（范围0-23）
    hour_of_day = hour(transaction_time)
  )

如果不想加载额外包，用基础R也能实现：

# 基础R方法
Customers$transaction_time <- strptime(Customers$TRANSACTION.TIME, format = "%H:%M:%S")
# 提取小时并转成整数
Customers$hour_of_day <- as.integer(format(Customers$transaction_time, "%H"))

步骤2：给每个小时区间分配箱号 #

按照你的要求：8-9点为箱号1，9-10点为箱号2，……，7-8点为箱号24。咱们可以用简单的条件判断或者数学计算来实现，完全不用嵌套24层ifelse：

方法1：用dplyr的case_when（可读性强） #

Customers <- Customers %>%
  mutate(
    timebins = case_when(
      # 8点及以后的小时，箱号=小时数-7（8-7=1，9-7=2……23-7=16）
      hour_of_day >= 8 ~ hour_of_day - 7,
      # 0-7点的小时，箱号=小时数+17（0+17=17，1+17=18……7+17=24）
      TRUE ~ hour_of_day + 17
    )
  )

方法2：用基础R的ifelse（更简洁） #

Customers$timebins <- ifelse(Customers$hour_of_day >= 8, 
                             Customers$hour_of_day - 7, 
                             Customers$hour_of_day + 17)

步骤3：统计每位客户各时段的交易频次 #

现在咱们可以统计每个客户在每个时段的交易次数，有两种常用方式：

方式1：长格式统计（适合后续分析） #

# 统计每个客户每个时段的交易次数
customer_time_counts <- Customers %>%
  count(CUSTOMER_ID, timebins, name = "transaction_count")

方式2：宽格式统计（方便查看所有时段） #

如果想把每个时段作为一列展示，用pivot_wider：

customer_time_counts_wide <- Customers %>%
  count(CUSTOMER_ID, timebins, name = "transaction_count") %>%
  pivot_wider(
    names_from = timebins, 
    values_from = transaction_count, 
    values_fill = 0 # 没有交易的时段填0
  )

如果用基础R，直接用table()函数：

# 生成交叉表
customer_counts_table <- table(Customers$CUSTOMER_ID, Customers$timebins)
# 转成数据框方便查看
customer_counts_df <- as.data.frame.matrix(customer_counts_table)

关于你之前的as.POSIXct问题 #

你之前用as.POSIXct(Customers$TRANSACTION.TIME,format="%H:%M:%S")得到的结果不符合预期，是因为as.POSIXct会自动把当前系统日期补全到时间前面，生成类似"2024-05-20 08:30:15"的完整时间对象，而你需要的只是小时部分，所以直接提取小时数就可以啦。

内容的提问来源于stack exchange，提问作者Anadil