如何高效定义R中QY列的因子水平？是否需转为时间变量？

我有一个包含Year、Quarter、QY列及数值变量的数据集，示例如下：

# 示例数据集
Year = c("2019", "2020", "2021",
         "2019", "2020", "2021",
         "2019", "2020", "2021",
         "2019", "2020", "2021")
Quarter = c("1Q", "1Q", "1Q",
            "2Q", "2Q", "2Q",
            "3Q", "3Q", "3Q",
            "4Q", "4Q", "4Q")
QY = c("1Q19", "1Q20", "1Q21",
       "2Q19", "2Q20", "2Q21",
       "3Q19", "3Q20", "3Q21",
       "4Q19", "4Q20", "4Q21")
VAR1 = c(10, 20, 30,
         30, 20, 25,
         27, 10, 15,
         13, 34, 25)

df <- data.frame(Year, Quarter, QY, VAR1)

将字符列转为因子时，Year和Quarter的水平符合预期，但QY的水平顺序不对，目前只能手动定义：

df$Year <- as.factor(df$Year)
df$Quarter <- as.factor(df$Quarter) 
df$QY <- as.factor(df$QY) 

# 检查水平，发现QY顺序错误
sapply(df, str)

# 手动定义QY的因子水平
df$QY <- factor(df$QY,
                levels = c("1Q19", "2Q19", "3Q19", "4Q19",
                           "1Q20",  "2Q20", "3Q20", "4Q20",
                           "1Q21",  "2Q21", "3Q21", "4Q21"))

现寻求无需手动定义、能自动识别QY正确因子水平的高效方法（尤其当数据从2019年持续新增时），同时咨询：针对同比（Year-to-Year）或环比（QY-to-QY）的计算与可视化需求，是否需要将Year、Quarter、QY转为时间变量？

一、自动生成QY的正确因子水平 #

方法1：基于已有Year和Quarter列生成 #

利用数据集已有的Year和Quarter列，按年份+季度的逻辑生成顺序正确的QY水平，无需解析字符串：

# 获取所有不重复的年份
years <- unique(df$Year)
# 按年份升序、季度顺序（1Q→4Q）生成QY水平
qy_levels <- expand.grid(Quarter = c("1Q", "2Q", "3Q", "4Q"), Year = years) %>%
  dplyr::mutate(QY = paste0(Quarter, substr(Year, 3, 4))) %>%
  dplyr::arrange(Year, Quarter) %>%
  dplyr::pull(QY)

# 为QY列设置因子水平
df$QY <- factor(df$QY, levels = qy_levels)

这种方法的优势是：当新增年份数据时，只需重新运行代码，自动适配新的年份。

方法2：直接解析QY字符串排序 #

如果仅依赖QY列本身，可以解析字符串提取年份和季度信息，再排序生成水平：

# 解析QY列，提取年份后两位和季度数字，排序后生成水平
qy_levels <- df %>%
  dplyr::select(QY) %>%
  dplyr::mutate(
    year = as.numeric(substr(QY, 3, 4)),
    quarter = as.numeric(substr(QY, 1, 1))
  ) %>%
  dplyr::arrange(year, quarter) %>%
  dplyr::pull(QY) %>%
  unique()

df$QY <- factor(df$QY, levels = qy_levels)

这种方法不需要依赖Year和Quarter列，单独处理QY即可。

二、是否需要转为时间变量？ #

非常建议转为时间变量，因为针对同比/环比分析，时间变量能极大简化计算和可视化流程：

1. 转为季度时间变量 #

用lubridate包将QY转为标准的季度日期：

library(lubridate)
# 将1Q19转为2019-01-01（季度起始日）
df$quarter_date <- ymd(paste0(substr(df$QY, 3, 4), "-", substr(df$QY, 1, 1), "-01")) %>%
  floor_date("quarter")

2. 简化同比/环比计算 #

转为时间变量后，用dplyr的lag函数可以快速计算同比、环比增长率：

library(dplyr)
# 计算同比增长率（和去年同期比）
df <- df %>%
  dplyr::arrange(quarter_date) %>%
  dplyr::group_by(Quarter) %>% # 按季度分组，取去年同季度数据
  dplyr::mutate(VAR1_yoy = (VAR1 / dplyr::lag(VAR1, n=4) - 1) * 100) %>%
  dplyr::ungroup()

# 计算环比增长率（和上一个季度比）
df <- df %>%
  dplyr::arrange(quarter_date) %>%
  dplyr::mutate(VAR1_qoq = (VAR1 / dplyr::lag(VAR1, n=1) - 1) * 100)

3. 可视化优势 #

用ggplot2绘图时，时间变量会自动按时间顺序排列，不需要手动调整因子水平，比如：

library(ggplot2)
ggplot(df, aes(x = quarter_date, y = VAR1)) +
  geom_line() +
  labs(x = "季度", y = "VAR1数值")

内容的提问来源于stack exchange，提问作者Helmasan