时间戳

首页 > 解决方案 > 在R中的指定日期之后获取剩余用户的百分比

r - 在R中的指定日期之后获取剩余用户的百分比

问题描述

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

这是一个可重复的示例，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解决方案或类似的东西，我可以将日期设置为阈值，以查看在指定日期之前的数据中有多少用户（作为百分比或计数），出现在指定日期之后和集群中等级。例如，在指定日期之前捕获所有唯一用户 ID 的解决方案，结果显示在指定日期之后这些用户中有多少百分比仍留在数据中（按集群级别分组）。

标签： rdplyrdata.tablegroupingcluster-analysis

解决方案

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)))
}

此函数获取数据框 (df)、集群名称以及您希望查看该日期之前的唯一用户的比例/数量的日期，该日期之后至少出现一次。

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

39.0000000  0.9069767

推荐阅读