在R中的指定日期之后获取剩余用户的百分比

Question

我正在处理用户生成的数据集（比如应用程序用户数据或服务），我根据用户行为特征（即使用频率）对其进行聚类。我想看看有多少用户或多少百分比的用户在特定日期后停止使用 app/service 以及他们来自哪个集群。

这是一个可重现的例子，我希望它是合适的：-

library(Pareto)
library(uuid)
library(ggplot2)
library(tidyverse)
library(data.table)
set.seed(1)

n_users <- 100
n_rows <- 3650

relative_probs <- rPareto(n = n_users, t = 1, alpha = 0.3, truncation = 500) 
unique_ids <- UUIDgenerate(n = n_users)

id_sample <- sample(unique_ids, size = n_rows, prob = relative_probs, replace = TRUE)
Date<-seq(as.Date("2015-01-01"), as.Date("2015-12-31"), by = "1 day")
Date<-sample(Date,size = n_rows,replace = T)

df<-data.frame(id_sample,Date)
df
df<-df%>%arrange(Date)


userData<-df%>%
  group_by(id_sample)%>%
  summarise(Count=n())

scaledData<-scale(userData[,2])
scaledData

set.seed(15)
clust<-kmeans(scaledData, centers=5, nstart = 15)

userData$Cluster<-clust$cluster

setDT(userData)[Cluster==1, ClusterName:="Cluster 1"]
userData[Cluster==2, ClusterName:="Cluster 2"]
userData[Cluster==3, ClusterName:="Cluster 3"]
userData[Cluster==4, ClusterName:="Cluster 4"]
userData[Cluster==5, ClusterName:="Cluster 5"]

user_vars<-userData%>%select(id_sample,ClusterName)

df<-merge(df,user_vars,by="id_sample")

df$Month<-lubridate::month(df$Date)

df%>%
  group_by(Month)%>%
  summarise(N_Users=n_distinct(id_sample))

我想知道是否有 dplyr 解决方案或类似的解决方案，我可以将日期设置为阈值以查看在指定日期之前数据中有多少用户（以百分比或计数表示）日期，出现在指定日期之后的集群级别。例如，捕获指定日期之前所有唯一用户 ID 的解决方案，结果显示指定日期之后这些用户中仍有多少百分比留在数据中（按集群级别分组）。

Answer 1

library(lubridate)
how_many=function(df, cluster, my_date) {
  df1=df%>%filter(ClusterName==cluster)
  before=filter(df1, Date<my_date) 
  after=filter(df1,Date>my_date)
  count=0
  for (i in unique(before$id_sample)) {
    if (i %in% after$id_sample) {
      count=count+1
    }
  }
  return(c(count, count/n_distinct(before$id_sample)))
}

此函数采用数据框 (df)、集群名称和日期，您希望在该日期之后查看 proportion/number 之前的唯一用户至少出现一次。

how_many(df, "Cluster 4", make_date(2015, 05, 19))

39.0000000  0.9069767

在R中的指定日期之后获取剩余用户的百分比

Get percentage of remaining users after a specified date in R

grouping

r

cluster-analysis

dplyr

data.table