我来帮你搞定这个日期计算的问题！你想要的是每个产品从自己的首次出现日期开始计算经过的天数，核心问题在于之前的分组操作里没有正确获取分组内的起始日期，下面给你详细说明正确的解法和错误原因：

正确解法（推荐） #

用dplyr的分组功能结合first()函数，就能精准获取每个产品的起始日期，再计算日期差即可：

library(dplyr)

# 计算每个产品自起始日起的天数
result_df <- df1 %>%
  group_by(Product) %>%
  # 用first(Dates)获取分组内的第一个日期，日期相减后转成数值得到天数
  mutate(Days = as.numeric(Dates - first(Dates))) %>%
  ungroup() # 记得取消分组，避免后续操作受影响

运行后得到的结果和你期望的desired_df完全一致：

# 部分结果展示
# Dates       Product Days
# 1 2021-01-01 Banana    0
# 2 2021-01-02 Banana    1
# ...
# 6 2021-01-06 Apple     0
# 7 2021-01-07 Apple     1
# ...
# 11 2021-01-11 Orange    0
# 12 2021-01-12 Orange    1

为什么你之前的方法出错？ #

你尝试的这段代码：

df1 %>% group_by(Product) %>% mutate(Days = as.numeric(Dates - Dates[1]))

问题出在Dates[1]——在dplyr的分组环境中，Dates[1]并不会自动指向当前分组的第一个日期，而是仍然引用整个原始数据框的第一行日期（也就是2021-01-01）。所以Apple的日期减去这个值就得到了5、6...，Orange得到10、11...，自然不符合需求。

而first(Dates)是dplyr专门为分组操作设计的函数，能准确提取每个分组内的第一个元素，完美解决这个问题。

关于你补充的lubridate方法的说明 #

你提到的这段代码虽然能工作：

df1 %>% group_by(Product) %>% mutate(Days=lubridate::day(Dates)-first(lubridate::day(Dates)))

但它有局限性：如果产品的日期跨月（比如起始日是1月31日，后续日期是2月1日），用day()提取日期计算就会得到错误的结果（1-31=-30）。而直接用日期相减的方法，不管跨月、跨年都能正确计算天数差，适用性更强。

其他思路（可选） #

如果不想用dplyr，也可以用基础R的ave()函数实现：

df1$Days <- ave(as.numeric(df1$Dates), df1$Product, FUN = function(x) x - x[1])

这个方法不需要加载额外包，同样能得到正确结果。

内容的提问来源于stack exchange，提问作者Godrim