從用戶ID和時間差異創建會話ID

我對創建'會話ID'有類似的問題（Create a "sessionID" based on "userID" and differences in "timeStamp"）;儘管我的規格略有不同。也許解決方案在這篇文章中仍然很明顯，但我無法將其應用於我的需求 - 指出原始解決方案如何滿足我的問題是等同的。從用戶ID和時間差異創建會話ID

我data.table看起來像這樣（dput可用下圖）：

unique_visitor_id  datetime    
100     2016-07-25 15:43:02  
100     2016-08-15 15:35:16  
101     2016-08-01 21:24:46  
101     2016-08-13 05:32:27  
101     2016-08-13 05:33:01  
101     2016-08-13 05:33:37  
101     2016-08-13 05:34:04  
101     2016-08-13 05:37:42  
101     2016-08-13 05:38:20  
102     2016-09-15 17:28:00  
102     2016-09-15 17:31:04  
103     2016-07-18 21:19:07

注：datetime經ymd_hms(datetime)

轉換爲lubridate約會對象我想什麼是新的變量識別會話，這是一個簡單的整數序列（不需要包含visitorID，就像原始問題一樣） - 會話由訪問者定義，只要記錄是< = 30m並且在同一個da年。例如，前兩行將是兩個不同的會話：雖然它是同一個訪問者，但時間差異大於30m。從上面的數據

期望的輸出的將是：

unique_visitor_id  datetime   session_id 
100     2016-07-25 15:43:02   1 
100     2016-08-15 15:35:16   2 
101     2016-08-01 21:24:46   3 
101     2016-08-13 05:32:27   4 
101     2016-08-13 05:33:01   4 
101     2016-08-13 05:33:37   4 
101     2016-08-13 05:34:04   4 
101     2016-08-13 05:37:42   4 
101     2016-08-13 05:38:20   4 
102     2016-09-15 17:28:00   5 
102     2016-09-15 17:31:04   5 
103     2016-07-18 21:19:07   6

如果這可以在data.table的方式來完成，這將是可取的。再次，道歉，如果我失去原來的問題的解決方案！

這裏是dput樣本數據表：

myDT <- structure(list(unique_visitor_id = c(100L, 100L, 101L, 
           101L, 101L, 101L, 101L, 101L, 101L, 102L, 102L, 103L), 
      datetime = structure(c(1469475782, 1471289716, 1470101086, 1471080747, 1471080781, 
              1471080817, 1471080844, 1471081062, 1471081100, 1473974880, 
              1473975064, 1468891147), 
              tzone = "EST5EDT", class = c("POSIXct", "POSIXt"))), 
     .Names = c("unique_visitor_id", "datetime"), 
     sorted = c("unique_visitor_id", "datetime"), 
     class = c("data.table", "data.frame"), 
     row.names = c(NA, -12L))

來源

2016-11-02 daRknight

假設你的數據幀最初由訪問者ID和日期排序，你可以在其中一個新session_id應該出現這的條件爲真矢量使用cumsum()：

myDT[, session_id := cumsum(c(T, diff(unique_visitor_id) != 0 | diff(datetime)/60 > 30))][] 

# unique_visitor_id   datetime session_id 
# 1:    100 2016-07-25 15:43:02   1 
# 2:    100 2016-08-15 15:35:16   2 
# 3:    101 2016-08-01 21:24:46   3 
# 4:    101 2016-08-13 05:32:27   4 
# 5:    101 2016-08-13 05:33:01   4 
# 6:    101 2016-08-13 05:33:37   4 
# 7:    101 2016-08-13 05:34:04   4 
# 8:    101 2016-08-13 05:37:42   4 
# 9:    101 2016-08-13 05:38:20   4 
#10:    102 2016-09-15 17:28:00   5 
#11:    102 2016-09-15 17:31:04   5 
#12:    103 2016-07-18 21:19:07   6

來源

2016-11-02 02:13:18 Psidom

當事件不在同一天（邊緣情況下），可以很容易地添加一個舞臺，衝擊sID –

工作異常，是@ClaytonStanley，我添加了第三個條件來檢查同一天，30分鐘後檢查：'| diff（date（datetime））！= 0））]' – daRknight

與dplyr相同的想法。

library(dplyr) 
library(lubridate) 
myDT %>% 
    mutate(new_session = c(0, diff(datetime)) > 30*60 | 
         c(0, diff(unique_visitor_id)) != 0) %>% 
    mutate(session_id = cumsum(new_session)) %>% print()

順便說一句，你需要爲新用戶同時添加一個測試用例（這兩個答案都應該覆蓋）。當然，你可以刪除new_session列，我發現它很有幫助。

來源

2016-11-02 02:29:53 DaveH

從用戶ID和時間差異創建會話ID

回答

相關問題