R计算（分层）长数据集中的时间差

Question

我一直在为一些时间戳数据而苦苦挣扎（直到现在，我还没有过多地处理日期，它显示了）。希望你能帮忙。

我正在处理来自网站的数据，该数据显示每个客户 (ID) 的各自访问以及这些访问的时间戳。它的分组意味着一位客户可能有多次访问/时间戳。

df 的结构如下，采用长格式：

 df <- data.frame("Customer" = c(1, 1, 1, 2, 3, 3),  
                  "Visit" =c(1, 2, 3, 1, 1, 2), # e.g. customer ID #1 has visited the site three times.
                  "Timestamp" = c("2019-12-31 12:13:25", "2019-12-31 16:13:25", "2020-01-05 10:13:25", "2019-11-12 15:18:42", "2019-11-13 19:22:35", "2019-12-10 19:43:55"))

注意：在实际数据集中，时间戳不是一个因素，而是其他一些憔悴的字符类型可憎，我可能应该首先尝试以某种方式将其转换为 POSIXct 格式。

我想做的是创建一个 df，显示每位客户的平均访问时间（比如说以分钟或小时为单位）。只有一次访问的访问者（例如，我的示例中的第二个客户）可能会被提前过滤掉，或者应该显示为 0。我的最终目标是可视化该分布，并可能计算所有客户的总体平均值。

因为访问次数可能会有很大差异（例如 1 次或 256 次访问），所以我不能只使用数据集的“宽”版本，其中固定访问次数是我可以减去并平均的列。

我不知道如何最好地解决这类问题，非常感谢！

Answer 1

使用 dplyr：

df %>%
  arrange(Customer, Timestamp) %>%
  group_by(Customer) %>%
  mutate(Difference = Timestamp - lag(Timestamp)) %>%
  summarise(mean(Difference, na.rm = TRUE))

由于分组，任何客户的第一个差异值应该是NA（包括那些只有一次访问的客户），所以他们将被平均丢弃。

Answer 2

使用基础 R（没有额外的包）：

1. 对数据进行排序，按客户 ID 排序，然后按时间戳。
2. 计算连续行之间的时间差（使用diff() 函数），按客户ID 分组（tapply() 进行分组）。
3. 求平均值
4. 将其压缩成data.frame。

# 1 sort the data
df$Timestamp <- as.POSIXct(df$Timestamp)
# not debugged 
df <- df[order(df$Customer, df$Timestamp),]

# 2 apply a diff. 
# if you want to force the time units to seconds, convert
# the timestamp to numeric first.

# without conversion
diffs <- tapply(df$Timestamp, df$Customer, diff)
# ======OR======
# convert to seconds
diffs <- tapply(as.numeric(df$Timestamp), df$Customer, diff)

# 3 find the averages
diffs.mean <- lapply(diffs, mean)

# 4 squish that into a data.frame
diffs.df <- data.frame(do.call(rbind, diffs.mean))
diffs.df$Customer <- names(diffs.mean)

# 4a tidy up the data.frame names
names(diffs.df)[1] <- "Avg_Interval"
diffs.df

您尚未显示您的时间戳字符串，但当您需要处理它们时，lubridate 包是您的朋友。