format(as.Date(date),"%V")获取年度首周周数错误问题排查

我用以下R代码从数据集df中提取date列的年份和周数，按年和周分组计算value列的均值：

df %>% 
  mutate(date=as.Date(date)) %>% 
  mutate(across(-contains('date'), as.numeric)) %>% 
  mutate(year = as.numeric(year(date)), 
         week = as.numeric(format(date, "%V"))
  ) %>%
  group_by(year, week) %>%  
  summarise_at(.vars = c("value"), .funs = mean)

但我的数据集date截止到2023-02-07，统计结果却出现了2023年第52周的数据。排查发现format(as.Date("2023-01-01"), "%V")返回"52"，而week("2023-01-01")返回1，请问这一错误的原因是什么？

数据集df结构如下：

df <- structure(list(date = structure(c(19358, 19359, 19360, 19361, 
19362, 19363, 19364, 19365, 19366, 19367, 19368, 19369, 19370, 
19371, 19372, 19373, 19374, 19375, 19376, 19377, 19378, 19379, 
19380, 19381, 19382, 19383, 19384, 19385, 19386, 19387, 19388, 
19389, 19390, 19391, 19392, 19393, 19394, 19395), class = "Date"), 
    value = c(69.38, 68.29, 96.16, 97.24, 100.07, 105.6, 78.79, 
    73.6, 106.6, 107.96, 108.45, 105.56, 110.11, 78.28, 75.15, 
    106.56, 103.98, 98.91, 86.23, 66.53, 28.6, 48.81, 47.22, 
    54.84, 70.54, 70.29, 83.39, 109.73, 114.11, 122.61, 126.53, 
    123.74, 126.44, 134.4, 102.95, NA, NA, NA), year = c(2023, 
    2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 
    2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 
    2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 
    2023, 2023, 2023, 2023, 2023, 2023, 2023), week = c(52, 1, 
    1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 
    3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6)), row.names = c(NA, 
-38L), class = c("tbl_df", "tbl", "data.frame"))

统计输出结果：

year  week value
  <dbl> <dbl> <dbl>
1  2023     1  88.5
2  2023     2  98.9
3  2023     3  77.1
4  2023     4  78.6
5  2023     5  NA  
6  2023     6  NA  
7  2023    52  69.4 

核心问题是**%V格式符和week()函数采用了完全不同的周数计算规则**，且你代码中用的年份和周数规则不匹配：

• format(date, "%V")遵循ISO 8601标准：每周从周一开始，一年的第一周必须包含当年的周四（即该周至少有4天在当年）。2023年1月1日是周日，这一天属于2022年的第52个ISO周（2022年12月26日-2023年1月1日，该周有5天在2022年），所以%V返回52。
• week()（lubridate包）采用的是“自然周”规则：将1月1日所在的周直接算作当年第1周，不管该周有几天属于当年，因此2023年1月1日被归为第1周。

而你用year(date)提取的是日期的公历年份（2023），但%V返回的是ISO周对应的周数，两者规则不统一，就出现了2023年统计出第52周的矛盾结果。

要解决这个问题，必须统一年份和周数的计算规则，推荐两种可行方案：

方案一：统一使用ISO 8601标准 #

用lubridate包的isoyear()和isoweek()获取匹配的ISO年份和周数，确保两者规则一致：

library(lubridate)
df %>% 
  mutate(date = as.Date(date)) %>% 
  mutate(across(-contains('date'), as.numeric)) %>% 
  mutate(year = isoyear(date), 
         week = isoweek(date)
  ) %>%
  group_by(year, week) %>%  
  summarise(value = mean(value, na.rm = TRUE))

此时2023年1月1日会被归为2022年第52周，不会出现在2023年的统计结果中。

方案二：统一使用自然周规则 #

如果希望1月1日所在周算作当年第1周，用lubridate的week()配合year()即可：

library(lubridate)
df %>% 
  mutate(date = as.Date(date)) %>% 
  mutate(across(-contains('date'), as.numeric)) %>% 
  mutate(year = year(date), 
         week = week(date)
  ) %>%
  group_by(year, week) %>%  
  summarise(value = mean(value, na.rm = TRUE))

这种情况下2023年1月1日会被归为2023年第1周，统计结果里不会出现2023年第52周。

内容的提问来源于stack exchange，提问作者ah bon