data.table 中的“时间序列”描述性统计？

Question

有一个交易数据有4个字段：user_id、brand_id、type、time

bd = as.Date("2012-04-01")
SampleDT <- data.table(user_id = rep(c("A","B"), each = 5), brand_id = rep(1:5, c(4,1,3,1,1)), type = c(0,0,2,3,3,0,3,3,0,0), time = c(bd,bd+1,bd+1,bd+2,bd+2, bd+ -1:1, bd+2, bd+2))

每次观察都会记录用户在特定时间对特定产品的行为。

在 Type 字段中，有 3 个不同的值：0、2、3

0 : click

2: adding to shopping cart

3: buy

首先，我计算了每个用户购买了哪些产品。

setkey(SampleDT, user_id, brand_id)
SampleDT[type ==3, .N, by = key(SampleDT)]

如下：

user_id brand_id N 1：一个 1 1 2：A 2 1 3：乙 3 2

接下来，

我想计算每个type = 3 给定的user_id，固定的brand_id，有多少（类型=0 或类型= 2）？给定用户，固定产品，购买前点击和加入购物车的统计数据是多少？

结果中有 5 个字段。 user_id，brand_id，N（表示一个用户第N次购买某产品），Click.N（购买前多少type=0），AddingtoCart.N（购买前多少type=2）

这就是我想要的：

user_id brand_id N Click.N 添加到购物车.N 1：A 1 1 2 1 2：A 2 1 0 0 3：B 3 1 1 0 4：B 3 2 0 0

setkey(SampleDT, user_id, brand_id, time)
SampleDT[, .I[type==3], by = key(SampleDT)]

我想先找到行位置，但我不知道如何继续。

能否给点建议？

非常感谢！

Answer 1

编辑：根据用户数据的更改和 cmets 中的输入进行更新：

SampleDT[, purch.id := c(0, head(cumsum(type==3), -1)), by=list(user_id, brand_id)]
SampleDT[, 
  if(3 %in% type) .SD, 
  by=list(user_id, brand_id, purch.id)
][, 
  list(Click=sum(type==0), Cart=sum(type==2)), 
  by=list(user_id, brand_id, purch.id)
]

生产：

   user_id brand_id purch.id Click Cart
1:       A        1        0     2    1
2:       A        2        0     0    0
3:       B        3        0     1    0
4:       B        3        1     0    0

这里我们假设表格中的所有条目都是连续的，并且特定用户/品牌的所有操作都可以归因于后续购买。

主要的变化是添加了一个购买 id，每次有特定用户/品牌的新购买时都会增加。