Как удалить строки по дате в r?

Question

Я хочу удалить строки, если даты между ними превышают 30 дней. Я не уверен, как с этим справиться, поэтому, надеюсь, кто-то может мне помочь.

Мои данные выглядят так:

Sessionid          Clientid        Date (D-M-Y)         Conversion
   1                  1             01-01-2020             No
   2                  1             02-01-2020             No
   3                  1             03-01-2020             No
   4                  1             15-02-2020             No
   5                  1             16-02-2020             No
   6                  1             17-02-2020             Yes
   7                  2             01-01-2020             No
   8                  2             02-01-2020             Yes

Итак, в этом примере я хочу удалить первые три строки, потому что между сеансами 3 и 4 клиента 1 не взаимодействовали 30 дней. Таким образом, мой результат должен выглядеть так:

Sessionid          Clientid        Date (D-M-Y)         Conversion
   4                  1             15-02-2020             No
   5                  1             16-02-2020             No
   6                  1             17-02-2020             Yes
   7                  2             01-01-2020             No
   8                  2             02-01-2020             Yes

Итак, для каждого преобразования я хочу проверять все предыдущие сеансы и для каждого сеанса, если они находятся в периоде 30 дней. Так что даже если у клиента 5 сеансов, но между каждым сеансом 28 дней - это нормально.

Заранее спасибо за помощь!

Answer 1

Одна основная стратегия c:

1. split() фрейм данных от клиента
2. в каждом фрейме данных, удалите строки, которые слишком далеко от даты преобразования с lapply()
3. соедините фрейм данных вместе - я буду использовать do.call с rbind(), но есть и другие возможные варианты

Вот стратегия в действии (это переписанная версия, которая правильно обрабатывает случаи, когда на одного покупателя приходится более одной конверсии, поскольку я не знал, было ли это важно для вас):

df <- data.frame(
  Sessionid = 1:13,
  Clientid = c(rep(1, 6), 2, 2, rep(3, 4), 4),
  Date = as.Date(c("01-01-2020", "02-01-2020", "03-01-2020", "15-02-2020",
                   "16-02-2020", "17-02-2020", "01-01-2020", "02-01-2020",
                   "01-05-2020", "15-06-2020", "01-08-2020", "02-08-2020",
                   "02-03-2020"),
                 "%d-%m-%y"),
  Conversion = c(rep("No", 5), "Yes", "No", "Yes", "No", "Yes", "No", "Yes", "No")
) # expanded toy data set meant to demonstrate cases with multiple / no conversions

df

#    Sessionid Clientid       Date Conversion
# 1          1        1 2020-01-01         No
# 2          2        1 2020-01-02         No
# 3          3        1 2020-01-03         No
# 4          4        1 2020-02-15         No
# 5          5        1 2020-02-16         No
# 6          6        1 2020-02-17        Yes
# 7          7        2 2020-01-01         No
# 8          8        2 2020-01-02        Yes
# 9          9        3 2020-05-01         No
# 10        10        3 2020-06-15        Yes
# 11        11        3 2020-08-01         No
# 12        12        3 2020-08-02        Yes
# 13        13        4 2020-03-02         No


step1 <- split(df, df$Clientid)
# break df into a list of data frames according to Clientid

step2 <- lapply(step1, function(x) {
  daterange <- x[x$Conversion == "Yes", ]$Date
    # record set of successful conversion dates
  daterange <- unlist(lapply(daterange, function(y) seq(y-30, y+30, by = "days")))
    # puff out set of days by 30 days in either direction from each conversion
  x[x$Date %in% daterange, ]
    # subset each data frame by keeping only those with a date in the range
})

df2 <- do.call("rbind", step2)
  # glue the list of data frames back together
row.names(df2) <- NULL
  # remove junk artifact row names

df2

#   Sessionid Clientid       Date Conversion
# 1         4        1 2020-02-15         No
# 2         5        1 2020-02-16         No
# 3         6        1 2020-02-17        Yes
# 4         7        2 2020-01-01         No
# 5         8        2 2020-01-02        Yes
# 6        10        3 2020-06-15        Yes
# 7        11        3 2020-08-01         No
# 8        12        3 2020-08-02        Yes