Суммирование строк по разному количеству столбцов в R

Question

У меня есть фрейм данных, который состоит из одной строки для каждого пользователя.Для каждого пользователя у меня есть информация о том, когда он впервые вошел в систему на веб-сайте (строка 1), и за каждый последующий день (каждый день - это столбец), сколько раз в день он входил в систему.

Iхотел бы создать новый столбец, в котором будет указано, сколько раз в течение 7 дней после первого входа в систему пользователь заходил на веб-сайт.Этот 7-дневный период отличается для каждого пользователя.

Я хотел бы сделать цикл for, но не знаю, как внести изменения, чтобы включить различные имена столбцов для этого суммирования.

tibble(id=c(1:4), first_log = c("18-12-01", "18-12-02", "18-12-02",
"18-12-05"), X18_12_01 = c(NA,1,1,2), X18_12_02 = c(5,2,1,1))

Конечно, в наборе данных есть еще много столбцов и строк.

Answer 1

С любым количеством столбцов даты после first_login мы можем сделать следующее.

1. gather столбцы даты в одном столбце, поэтому мы можем работать с ним удобным образом.Это аккуратный формат, в котором каждая строка представляет собой комбинацию дня и дня пользователя.
2. Преобразуйте даты в Date объекты и определите дни между наблюдением и first_log.Мы используем Interval, чтобы сделать это, чтобы обеспечить разумное поведение вокруг неровностей временной шкалы.
3. filter, чтобы сохранить только наблюдения, которые произошли в желаемом диапазоне недель
4. summarise, чтобы вычислитьвсего логинов за этот период и right_join значений обратно на оригинал.Обратите внимание, что без дополнительных образцов данных трудно быть более наглядным, поскольку здесь суммируется только одна ячейка, и поэтому только пользователь с id = 1 фактически имеет любые значения для суммирования.

library(tidyverse)
library(lubridate)

tbl <- tibble(id = c(1:4), first_log = c("18-12-01", "18-12-02", "18-12-02", "18-12-05"), X18_12_01 = c(NA, 1, 1, 2), X18_12_02 = c(5, 2, 1, 1))

tbl %>%
  gather(day, num_logins, -id, -first_log) %>%
  mutate(
    first_log = ymd(first_log),
    day = day %>% str_remove("^X") %>% ymd(),
    days_since_event = as.period(first_log %--% day, "day"),
  ) %>%
  filter(days_since_event > days(0) & days_since_event <= days(7)) %>%
  group_by(id) %>%
  summarise(total_logins = sum(num_logins, na.rm = TRUE)) %>%
  right_join(tbl, by = "id")
#> # A tibble: 4 x 5
#>      id total_logins first_log X18_12_01 X18_12_02
#>   <int>        <dbl> <chr>         <dbl>     <dbl>
#> 1     1            5 18-12-01         NA         5
#> 2     2           NA 18-12-02          1         2
#> 3     3           NA 18-12-02          1         1
#> 4     4           NA 18-12-05          2         1

^{Создано в 2019-03-04 пакетом Представ (v0.2.1)}

Answer 2

Если у вас есть только 7 столбцов после first_log, то это будет суммировать общее количество входов в систему за промежуток времени, который у вас есть между столбцами.В приведенном ниже примере показано только общее время, в течение которого пользователь входил в систему в течение 2 дней.

library(tidyverse)


tibble(id=c(1:4), 
       first_log = c("18-12-01", 
                     "18-12-02", 
                     "18-12-02",
                     "18-12-05"), 
       X18_12_01 = c(NA,1,1,2), 
       X18_12_02 = c(5,2,1,1)) %>% 
  gather(key = "days", value = "times_visted", 3:length(.)) %>% 
  group_by(id) %>% 
  summarise(total_visits = sum(times_visted, na.rm = T))
#> # A tibble: 4 x 2
#>      id total_visits
#>   <int>        <dbl>
#> 1     1            5
#> 2     2            3
#> 3     3            2
#> 4     4            3

^{Создано в 2019-03-04 пакетом Представить (v0.2.1)}