将客户群体分成12个样本(=每月周期)

Question

我需要将500.000名客户分成12个有代表性的样本，每月与他们联系。

这12个样品应具有代表性的产品和生命周期的产品类别(A，B，C)。的意思是:我需要按产品id和生命周期类分层比例样本(可以连接)。

我需要的不仅仅是一个样本，还有12个样本。

结果应该是添加分层循环id(1-12)的起源表。

f.e.：

cust_id, product, lifecycle, NEW: cycle_id
10000, 4004, A, 3
10000, 2000, B, 6
10001, 3000, B, 12

一个客户可以欠几个产品，但是组合的客户产品是独一无二的.

每个客户产品组合只需在12个周期内使用一次(因此不放回)。

我怎样才能在R中做到这一点？

样本数据行：

cust_id, product, lifecycle
10000, 4004, A
10000, 2000, B
10001, 3000, B
10002, 2000, A
10004, 4004, C
...

Answer 1

这是一个丑陋但实用的解决方案。我为奇怪而复杂的细分表示歉意，但不幸的是，by()以一种非常奇怪的方式存储其数据。

mysamp <- function(dat){
  samp <- runif(length(dat)) #get 12 random numbers
  samp <- ceiling(samp*12) #standardize between 1 and 12
  return(samp)
}

这是你将你的种群划分成12个样本的函数。现在说“zz”是您的数据集：

cust <- c(101, 101, 102, 105, 107)
prod <- c(4004, 2000, 3000, 3000, 4004)
life <- c('A', 'B', 'B', 'B', 'A')
zz <- data.frame(cust, prod, life)
prodlife <- paste0(zz$prod, zz$life)
zz <- data.frame(zz, prodlife)

给你

> zz
  cust prod life prodlife
1  101 4004    A    4004A
2  101 2000    B    2000B
3  102 3000    B    3000B
4  105 3000    B    3000B
5  107 4004    A    4004A

然后，您需要创建一个0列，以将cycle.id放入其中(我在我的示例中称之为“cyc”)。将其附加到data.frame中，就像添加zz$prodlife一样。然后可以使用这些语句对示例进行采样，并将示例分配给列：

cycle <- by(newzz$cust, newzz$prodlife, mysamp)
for(i in 1:length(cycle)){
    for(j in 1: length(cycle[i][[1]])){
        zz$cyc[zz$prodlife == names(cycle)[i]][j] <- cycle[i][[1]][j]
    }
}

by()语句在做所有的工作，可怕的for循环只是将采样的值分配给正确的点。因为'by‘类的设置不方便，所以我想不出一个更有效的方法来完成这个任务，但也许其他人可以.？无论如何，这给了我：

> zz
  cust prod life prodlife cyc
1  101 4004    A    4004A   6
2  101 2000    B    2000B   5
3  102 3000    B    3000B   7
4  105 3000    B    3000B   8
5  107 4004    A    4004A   1

当然，这个例子太小，无法判断样本是否被正确地分层，但这应该是可行的。编码愉快！