求助：如何按公司分组计算月度累计求和（附数据示例）

问题原因 #

直接在原始数据的每行上使用cumsum()会因为同一月度有多条重复记录，导致累计值被重复累加，最终结果不符合预期。正确的做法是先聚合到公司-年份-月度级别计算汇总值，再生成累计求和，最后关联回原始数据。

解决方案代码（基于dplyr） #

library(dplyr)

# 构造示例原始数据
df <- tibble(
  person_id = 1:16,
  company = c(rep("A", 6), rep("B", 10)),
  yyyy = 2011,
  month = c(rep("January", 2), rep("Feburary", 3), "March",
            rep("January", 3), rep("Feburary", 4), rep("March", 2), "April")
)

# 1. 生成月度汇总及累计求和表
monthly_agg <- df %>%
  group_by(company, yyyy, month) %>%
  summarise(monthly_sum = n(), .groups = "drop_last") %>%
  # 将月份转为有序因子，确保按时间顺序排序（避免字符串排序错误）
  mutate(month = factor(month, levels = c("January", "Feburary", "March", "April"), ordered = TRUE)) %>%
  arrange(company, yyyy, month) %>%
  mutate(cumulative_monthly_sum = cumsum(monthly_sum)) %>%
  ungroup()

# 2. 关联回原始数据，得到最终结果
final_result <- df %>%
  left_join(monthly_agg, by = c("company", "yyyy", "month"))

# 查看输出
print(final_result)

代码说明 #

• 聚合月度计数：通过group_by(company, yyyy, month)分组，用n()统计每个月度的人员数量；
• 月份排序处理：将month转为有序因子，保证按实际时间顺序（1-4月）排序，避免字符串默认排序导致的累计顺序错误；
• 计算累计求和：在有序的月度汇总表上使用cumsum()，得到每个公司的月度累计值；
• 关联原始数据：用left_join将汇总字段合并回原始数据，确保每条人员记录都对应正确的月度计数和累计值。

输出结果 #

运行代码后将得到与期望完全一致的数据框：

内容的提问来源于stack exchange，提问作者yzhao