使用 2 个表创建新功能

table1 <- data.frame(user_id=c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2),
                 product_id = c(14, 24, 38, 40, 66, 2, 19, 30, 71, 98, 7, 16),
                 first_order = c(1, 2, 1, 4, 5, 3, 2, 4, 2, 4, 2, 3),
                 last_order = c(4, 7, 5, 8, 8, 3, 4, 7, 5, 9, 4, 5))
table2 <- data.frame(user_id=c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2),
                 order_number=c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6),
                 days_cumsum = c(0, 7, 15, 26, 34, 43, 53, 59, 66, 74, 82, 91, 5, 11, 17, 24, 29, 35))

我想使用 table2 向 table1 添加新功能。 新功能是每个用户对每种产品的订购间隔。

例如，让我们看一下表1。第一行有（user_id==1）、（product_id==14）、（第一个订单==1）和（最后一个订单==4）。这意味着产品 14 是按订单 1、2、3、4 订购的。我们可以在表 2 中找到该订单号。 新功能是关于第一个订单和最后一个订单之间的订单间隔。我们可以在表 2 中使用“days_cumsum”得出它，它是先前订单后天数的累积总和。第一行的新特征值为26(=26-0)。

我认为这可以通过 join 完成，但是我无法使用加入因为实际上每张桌子都很大。

所以我在 for 循环中使用下面的这个函数：

f <- function(i){
  a <- table2 %>% 
    filter(user_id==table1[i, 1]) %>% 
    filter(order_number==table1[i, 3] | order_number==table1[i, 4])

  ifelse(nrow(a)==2, a[2, 3] - a[1, 3], 999999) # first_order==last_order
}

它逐行计算每个新的特征值，但速度很慢并且需要大量计算。我经常遇到这个问题（使用两个表创建新功能），但每次我都会遇到困难。

有更好的代码吗？我正在等待你的帮助。

您能否分享运行时/计算时间比较join以及使用你的循环的版本？

下面是使用连接的解决方案。

library(tidyverse)

df1 <- as.data.frame(table1)
df2 <- as.data.frame(table2)


df1 %>%
  left_join(df2, by = c("user_id"="user_id", "first_order" = "order_number")) %>%
  rename(dayMin = days_cumsum) %>%
  left_join(df2, by = c("user_id"="user_id", "last_order" = "order_number")) %>%
  rename(dayMax = days_cumsum) %>%
  mutate(newVar = dayMax-dayMin) %>%
  select(user_id, product_id, first_order, last_order, newVar)

这使：

   user_id product_id first_order last_order newVar
     <dbl>      <dbl>       <dbl>      <dbl>  <dbl>
 1       1         14           1          4     26
 2       1         24           2          7     46
 3       1         38           1          5     34
 4       1         40           4          8     33
 5       1         66           5          8     25
 6       1          2           3          3      0
 7       1         19           2          4     19
 8       1         30           4          7     27
 9       1         71           2          5     27
10       1         98           4          9     40
11       2          7           2          4     13
12       2         16           3          5     12