r - 从数据帧计算条件/后验概率

Question

我有一个包含两列的数据框：消费者 ID 和过程名称。

一个使用者可以有多个过程名称。

鉴于某人已经完成了其他程序，我需要了解某人执行特定程序的可能性。

例子，

Consumer ID, Procedure Name
01, Procedure 01
01, Procedure 02
02, Procedure 01

因此，鉴于某人已经完成了程序 01，他执行程序 02 的概率是 50%。

有谁知道一个包，做到这一点？或者我需要运行一个 Count If 函数？

谢谢！

标签： r

Answer 1

您可以选择那些Consumer_ID已经过程序 1 的 s，为他们是否也有过程序 2 创建一个指标变量，您的概率是这个新指标的平均值。

library(dplyr)

df %>% 
  group_by(Consumer_ID) %>% 
  filter('Procedure 01' %in% Procedure_Name) %>% 
  summarise(had_p2 = 'Procedure 02' %in% Procedure_Name) %>% 
  summarise(p_2_given_1 = mean(had_p2))

# # A tibble: 1 x 1
#   p_2_given_1
#         <dbl>
# 1       0.500

使用的数据：

df <- data.table::fread("
Consumer_ID, Procedure_Name
01, Procedure 01
01, Procedure 02
02, Procedure 01
")