按年月分组计算水果浪费占订购总量的百分比（R数据集）

首先还原数据集，方便复现操作：

df <- structure(list(Date = c("3/23/21", "4/11/22", "6/30/22"), 
                     Banana_wasted = c(4L, 2L, 5L), 
                     Apple_wasted = c(6L, 0L, 3L), 
                     Orange_wasted = c(1L, 4L, 1L), 
                     Banana_ordered = c(5L, 7L, 7L), 
                     Apple_Ordered = c(9L, 8L, 9L), 
                     Orange_ordered = c(5L, 6L, 6L), 
                     Banana_eaten = c(5L, 5L, 6L), 
                     Apple_eaten = c(7L, 7L, 4L), 
                     Orange_eaten = c(8L, 8L, 8L)), 
                class = "data.frame", row.names = c(NA, -3L))

解决步骤 #

1. 加载依赖包 #

使用dplyr处理分组计算，lubridate处理日期格式：

library(dplyr)
library(lubridate)

2. 日期处理与指标计算 #

将字符型日期转换为标准日期格式，提取年月作为分组维度，再按分组计算总浪费、总订购及浪费占比：

result <- df %>%
  # 转换日期格式，生成年月分组列
  mutate(Date = mdy(Date),
         year_month = format(Date, "%Y-%m")) %>%
  # 按年月分组聚合
  group_by(year_month) %>%
  summarise(
    total_wasted = sum(Banana_wasted + Apple_wasted + Orange_wasted),
    total_ordered = sum(Banana_ordered + Apple_Ordered + Orange_ordered),
    # 计算浪费占比，保留1位小数
    waste_percent = round((total_wasted / total_ordered) * 100, 1)
  ) %>%
  # 调整列顺序，优化可读性
  select(year_month, waste_percent, total_wasted, total_ordered)

3. 查看结果 #

运行代码后输出结果：

print(result)

输出内容：

# A tibble: 3 × 4
  year_month waste_percent total_wasted total_ordered
  <chr>              <dbl>        <int>         <int>
1 2021-03             57.9           11            19
2 2022-04             27.3            6            22
3 2022-06             47.4            9            19

其中2021年3月的浪费占比与示例给出的57.9%一致。

补充说明 #

• 若数据包含同一月份的多条记录，group_by会自动合并计算总和，满足全年各月份的指标统计需求。
• 如需调整年月格式（如改为"MM/YYYY"），只需将format(Date, "%Y-%m")替换为format(Date, "%m/%Y")即可。

内容的提问来源于stack exchange，提问作者Jamie