基于唯一键对指定列求和(sum_distinct)：R语言数据汇总问题

问题核心是同一个订单的同一款产品会对应多行配料记录，直接按日期+产品分组统计会重复计数，导致结果偏差（比如周一咖啡实际售出3单，却统计成2单）。

正确实现步骤 #

1. 先提取每个订单的唯一产品记录（去重订单ID+产品的组合），避免同一订单的多行配料被重复统计
2. 再按日期+产品分组，统计售出数量

具体dplyr代码示例 #

假设你的数据包含order_id（订单ID）、date（日期）、product（产品）字段：

library(dplyr)

# 第一步：去重，保留每个订单对应的唯一产品记录
unique_order_products <- cross_ingredient_product %>%
  distinct(order_id, date, product)

# 第二步：分组统计售出数量
sales_summary <- unique_order_products %>%
  group_by(date, product) %>%
  summarise(total_sold = n(), .groups = "drop")

如果数据里有quantity字段（比如每个订单购买的产品数量），调整为：

sales_summary <- cross_ingredient_product %>%
  distinct(order_id, date, product, quantity, .keep_all = FALSE) %>%
  group_by(date, product) %>%
  summarise(total_sold = sum(quantity), .groups = "drop")

为什么sum(distinct(...))不行？ #

distinct()是用来筛选去重后的行，它不能直接作为sum()的参数——顺序完全搞反了。必须先对行去重，再对去重后的结果做求和/计数操作，而不是在求和函数里嵌套去重。

额外：配料消耗统计 #

如果需要同时汇总配料消耗（比如每种配料的总用量），可以单独处理：

ingredient_summary <- cross_ingredient_product %>%
  group_by(date, ingredient) %>%
  summarise(total_used = sum(ingredient_quantity), .groups = "drop")

内容的提问来源于stack exchange，提问作者Captain Tyler