在R中的一列中获取所有日期的平均购买时间

Obtaining average inter-purchase time with all dates in one column in R

我目前正在为 R 中的流失数据集开发时间框架。为了 为此,我需要每个客户的平均购买时间。

下面的示例数据显示两个客户(客户 1 和 2)分别在 3 次和 2 次不同的场合购买。客户 1 的平均购买间隔时间为 7.5 天 ((9+6)/2),而客户 2 的平均购买间隔时间仅为 5 天,因为该客户只有两个观察值。在代码中它看起来像这样:

df <- data.frame(cust_id=c(1,2,1,2,1), 
    order_date=as.Date(c("2012-8-14", "2012-7-1", "2012-8-23", "2012-7-6" 
    "2012-8-29")))

图形看起来像这样:

    cust_id    order_date
1   1          2012-8-14 
2   2          2012-7-1
3   1          2012-8-23
4   2          2012-7-6
5   1          2012-8-29

最终我希望它看起来像这样:

    cust_id    avg_interpurchase_time
1   1          7.5 
2   2          5

有人能给我指出正确的方向吗?

谢谢!

P.S。我查看了以下 post: Calculating Inter-purchase Time in R 但我相信我的问题与那里提出的问题不同。我将所有日期都放在一列中,一个客户最多可以有 80 个日期,而 posted 的人每个客户只有两个日期,分布在 2 列中。

Mayeb 使用 dplyr:

df %>% group_by(cust_id) %>% summarise(avg_internetpurchase_time = mean(diff(order_date)))

这里是 dplyr 解决方案。请注意,您在第二次购买 cust_id 2 的年份输入错误。因此平均为 371 而不是 5。

library(dplyr)
df %>% group_by(cust_id) %>% arrange(order_date) %>% mutate(dif = order_date - lag(order_date)) %>% 
  summarise(avg_purchase = mean(dif, na.rm = TRUE))

在基础 R 中,您可以将 aggregate 与自定义函数一起使用:

aggregate(order_date ~ cust_id, data=df, FUN=function(x) mean(diff(x)))
  cust_id order_date
1       1       7.5 
2       2       5.0 

在这里,我们按订单日期取差值,然后计算平均值。请注意,这要求数据按日期排序。您可以通过在 data.frame 的调用中包含 order 来确保这是真的,例如 data=df[order(df$order_date),]

数据
包括来自 OP 的一些拼写错误更正。

df <- 
structure(list(cust_id = c(1, 2, 1, 2, 1), order_date = structure(c(15566, 
15522, 15575, 15527, 15581), class = "Date")), .Names = c("cust_id", 
"order_date"), row.names = c(NA, -5L), class = "data.frame")

与其他答案类似,但包括排序(排列)

library(dplyr)
df %>%
  group_by(cust_id)  %>%
  arrange(order_date) %>%
  mutate(t = order_date - lag(order_date)) %>%
  summarize(avg_interpurchase_time = mean(t, na.rm=T))