R语言：使用complete函数补全缺失月份时生成重复条目问题

原代码的核心问题 #

1. 日期序列生成错误：seq(min(date), Sys.Date(), by = 1) 按天生成序列，导致每个月产生几十条重复条目，后续的summarize(n())错误地统计了天数而非月份数。
2. 分组字段错误：使用了不存在的City_Name字段，应该是原始数据中的City。
3. 未按城市分组补全：补全年份时没有先按City分组，导致跨城市生成重复的日期条目。

修正后的代码 #

library(tidyverse)
library(lubridate)

# 转换原始数据的日期格式
data <- data %>%
  mutate(date = mdy(date))

# 定义当前日期（示例中为2023-04-02）
current_date <- ymd("2023-04-02")
# 计算6个月范围的起始和结束月份（包含当前月）
start_month <- floor_date(current_date %m-% months(5), "month")
end_month <- floor_date(current_date, "month")

# 聚合+补全缺失月份
months6 <- data %>%
  # 筛选出6个月范围内的记录
  filter(date >= start_month) %>%
  # 将日期转换为当月第一天，用于分组
  mutate(ym = floor_date(date, "month")) %>%
  # 按城市+月份聚合，统计记录数
  group_by(City, ym) %>%
  summarize(Total_city = n(), .groups = "drop") %>%
  # 按城市分组，补全所有缺失的月份，缺失值填0
  group_by(City) %>%
  complete(ym = seq(start_month, end_month, by = "1 month"), fill = list(Total_city = 0)) %>%
  # 转换为期望的日期格式（mm/yyyy）
  mutate(date = format(ym, "%m/%Y")) %>%
  # 选择需要的字段
  select(City, date, Total_city) %>%
  ungroup()

# 查看LA的结果
filter(months6, City == "LA")

输出结果（LA部分） #

# A tibble: 6 × 3
  City  date   Total_city
  <chr> <chr>       <int>
1 LA    11/2022         1
2 LA    12/2022         2
3 LA    01/2023         2
4 LA    02/2023         0
5 LA    03/2023         0
6 LA    04/2023         0

内容的提问来源于stack exchange，提问作者akang