如何简化2015-2022年度求和代码，快速生成汇总DataFrame？

想要创建一个展示2015-2022各年度总值的新DataFrame，请问是否无需为每个年份创建Sum变量再组合向量，就能实现该需求？

当前实现代码： #

Sum15 = mydata %>%
filter(Date==2015) %>%
summarise(Value = sum(Value))

Sum16 = mydata %>%
filter(Date==2016) %>%
summarise(Value = sum(Value))

Sum17 = mydata %>%
filter(Date==2017) %>%
summarise(Value = sum(Value))
# ……（剩余年份的重复代码）

Year = c("2015","2016","2017","2018","2019","2020","2021","2022")

Value = c(Sum15$Value, Sum16$Value, Sum17$Value, Sum18$Value, Sum19$Value,
          Sum20$Value, Sum21$Value, Sum22$Value)

YearSum = data.frame(Year,Value)

简化实现方法： #

完全可以不用逐个创建Sum变量，用dplyr的分组聚合功能就能一步完成，代码简洁且易维护：

YearSum = mydata %>%
  # 按年份分组
  group_by(Date) %>%
  # 计算每组的总值，na.rm=TRUE用于忽略缺失值（可选）
  summarise(Value = sum(Value, na.rm = TRUE)) %>%
  # 取消分组（可选，避免后续操作受分组影响）
  ungroup() %>%
  # 筛选2015-2022的年份
  filter(Date %in% 2015:2022) %>%
  # 把列名Date改为Year（如果需要和原代码输出列名一致的话）
  rename(Year = Date)

如果你的Date列是字符类型，只需把筛选条件改成Date %in% as.character(2015:2022)即可。

这种方式不需要手动创建每个年份的Sum变量，也不用手动拼接向量，直接通过分组求和+筛选就能得到目标DataFrame，后续年份变动时只需要调整筛选范围即可。

内容的提问来源于stack exchange，提问作者Peter McGregor