按类别、周、月统计Value列滚动求和并生成两个DataFrame

首先确保你已经安装并加载了dplyr和lubridate包，这两个工具可以高效处理日期分组与聚合操作：

library(dplyr)
library(lubridate)

1. 按周统计（标记周起始日期） #

这里将每周的起始日期设为周一（可通过week_start参数调整，比如设为7则以周日为起始），按Category分组后，对同一周内的Value求和：

# 取消原始的按Date分组
df_ungrouped <- df %>% ungroup()

# 生成周统计DataFrame
weekly_df <- df_ungrouped %>%
  mutate(week_start = floor_date(Date, "week", week_start = 1)) %>%
  group_by(Category, week_start) %>%
  summarise(total_value = sum(Value, na.rm = TRUE)) %>%
  ungroup()

2. 按月统计 #

按月统计时，将日期截断到当月第一天，再按Category和月份分组求和：

# 生成月统计DataFrame
monthly_df <- df_ungrouped %>%
  mutate(month_start = floor_date(Date, "month")) %>%
  group_by(Category, month_start) %>%
  summarise(total_value = sum(Value, na.rm = TRUE)) %>%
  ungroup()

说明 #

• floor_date()函数用于将日期向下取整到指定周期的起始点，确保同一周期内的日期都对应到同一个起始标记
• summarise()用于对分组后的Value求和，na.rm = TRUE可处理可能存在的缺失值（无缺失值时可省略）
• 最终的两个DataFrame会分别展示每个类别在对应周/月的总数值，结构清晰易读

内容的提问来源于stack exchange，提问作者alec22