计算 R 中的简单保留

Question

对于数据集 test，我的 objective 是找出有多少独立用户从一个时期转移到下一个时期。

> test
   user_id period
1        1      1
2        5      1
3        1      1
4        3      1
5        4      1
6        2      2
7        3      2
8        2      2
9        3      2
10       1      2
11       5      3
12       5      3
13       2      3
14       1      3
15       4      3
16       5      4
17       5      4
18       5      4
19       4      4
20       3      4

例如，在第一个时期有四个独立用户（1、3、4 和 5），其中两个在第二个时期处于活跃状态。因此，保留率为 0.5。在第二个时期有三个独立用户，其中两个在第三个时期活跃，所以留存率为 0.666，依此类推。如何找到在下一时期内活跃的唯一用户的百分比？如有任何建议，我们将不胜感激。

输出如下：

> output
  period retention
1      1        NA
2      2     0.500
3      3     0.666
4      4     0.500

test数据：

> dput(test)
structure(list(user_id = c(1, 5, 1, 3, 4, 2, 3, 2, 3, 1, 5, 5, 
2, 1, 4, 5, 5, 5, 4, 3), period = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 
2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4)), .Names = c("user_id", "period"
), row.names = c(NA, -20L), class = "data.frame")

Answer 1

这不是很优雅，但似乎可行。假设df是数据框：

# make a list to hold unique IDS by 
uniques = list()
for(i in 1:max(df$period)){
  uniques[[i]] = unique(df$user_id[df$period == i])
}

# hold the retention rates
retentions = rep(NA, times = max(df$period))

for(j in 2:max(df$period)){
  retentions[j] = mean(uniques[[j-1]] %in% uniques[[j]])
}

基本上 %in% 创建了第一个参数的每个元素是否在第二个参数中的逻辑。取平均值给我们比例。

Answer 2

这个怎么样？首先按时段拆分用户，然后编写一个函数计算任意两个时段之间的比例结转，然后循环遍历拆分列表 mapply。

splt <- split(test$user_id, test$period)

carryover <- function(x, y) {
    length(unique(intersect(x, y))) / length(unique(x))
}
mapply(carryover, splt[1:(length(splt) - 1)], splt[2:length(splt)])

        1         2         3 
0.5000000 0.6666667 0.5000000

Answer 3

这是使用 dplyr 的尝试，尽管它也在 summarise:

中使用了一些标准语法

test %>% 
group_by(period) %>% 
summarise(retention=length(intersect(user_id,test$user_id[test$period==(period+1)]))/n_distinct(user_id)) %>% 
mutate(retention=lag(retention))

这个returns:

period retention
   <dbl>     <dbl>
1      1        NA
2      2 0.5000000
3      3 0.6666667
4      4 0.5000000

计算 R 中的简单保留

calculating simple retention in R

r

dplyr

retention