R语言分组计算乘积和两种方法结果不一致问题排查

问题原因分析 #

1. C4_0ps1与C4_0ps2结果差异的原因

你方法二中的sum(C4_0p,n.rm=T)存在参数拼写错误：正确参数名是na.rm而非n.rm。虽然当前样本数据无NA，这个错误不会直接导致结果偏差，但如果后续数据出现NA，会引发计算错误。你提到的“结果大1个单位”更可能是测试时的计算失误或代码重复执行误操作导致的（比如误将mutate(C4_0p=C4_0*tg)写成mutate(C4_0p=C4_0p*tg)，会导致乘积被重复相乘）。

另外，检查方法一的pivot_wider：如果数据中存在同一(Matricola, datc, Mung)组合的多行数据，pivot_wider默认会将值存入列表列，此时tg_M*C4_0_M会生成列表而非单个数值，导致case_when计算错误。但从你提供的样本数据看，不存在这种重复组合，方法一的计算逻辑是正确的。

2. my_prd2仍按Matricola分组的原因

在dplyr新版本中，summarise默认使用.groups = "drop_last"参数，这会在分组汇总时仅取消最后一个分组变量（即datc），保留前面的Matricola分组。如果需要完全取消分组，有两种解决方式：

• 在summarise中添加.groups = "drop"：

my_prd2<-my_tbl%>%group_by(Matricola,datc)%>%
  summarise(n=n(),C4_0ps2=sum(C4_0p,na.rm=T),.groups = "drop")

• 后续调用ungroup()：

my_prd2<-my_tbl%>%group_by(Matricola,datc)%>%
  summarise(n=n(),C4_0ps2=sum(C4_0p,na.rm=T))%>%
  ungroup()

验证结果一致性的方法 #

可以合并两个结果表，对比数值差异：

comparison <- inner_join(my_prd1, my_prd2, by = c("Matricola", "datc"))
comparison %>% mutate(diff = C4_0ps1 - C4_0ps2) %>% filter(diff != 0)

如果返回空表，说明两种方法的计算完全一致。

内容的提问来源于stack exchange，提问作者racheese72