group_by多分组致n()统计与geom_col图表数值差异的原因及疑问

我是R新手，正在处理Divvy Bike Share数据，数据子集如下：

我希望可视化一周内的总骑行次数，编写了两段仅group_by参数不同的代码：p1按member_casual、day_of_week分组，p2额外加入month分组，结果两张geom_col图表的y轴数值差异明显。

代码与结果 #

p1代码与图表 #

p1 <- df %>% 
  group_by(member_casual, day_of_week) %>%
  summarize(total_rides = n()) %>% 
  ggplot(aes(x = day_of_week, y = total_rides, fill = member_casual)) +
  geom_col(position = "dodge") +
  labs(title = "Total Rides by Days in a Week", subtitle = "Casual Customers vs. Members", y = "ride times count (in thousands)") +
  theme(axis.title.x = element_blank()) +
  scale_fill_discrete(name = "") +
  scale_y_continuous(labels = label_number(scale = 1e-3, suffix = "k"))
p1

p2代码与图表 #

p2 <- df %>% 
  group_by(member_casual, day_of_week, month) %>%
  summarize(total_rides = n()) %>% 
  ggplot(aes(x = day_of_week, y = total_rides, fill = member_casual)) +
  geom_col(position = "dodge") +
  labs(title = "Total Rides by Days in a Week", subtitle = "Casual Customers vs. Members", y = "ride times count (in thousands)") +
  theme(axis.title.x = element_blank()) +
  scale_fill_discrete(name = "") +
  scale_y_continuous(labels = label_number(scale = 1e-3, suffix = "k"))
p2

分组统计结果 #

p1对应的统计结果 #

df %>% 
  group_by(member_casual, day_of_week) %>%
  summarize(total_rides = n())

p2对应的统计结果 #

df %>% 
  group_by(member_casual, day_of_week, month) %>%
  summarize(total_rides = n())

疑问 #

我理解增加分组维度会让数据更细分，且细分后的总和等于p1的数值，但p2图表显示的并非总和，因此有两个疑问：

1. p1与p2数值差异的原因及如何避免此类错误？
2. p2中的数值来源是什么？

1. 差异原因与避免方法 #

p1是按member_casual和day_of_week做的全局分组统计，每个(member_casual, day_of_week)组合对应的total_rides是该组合在整个数据集里的总骑行次数；而p2加入month分组后，summarize得到的是每个月内(member_casual, day_of_week)组合的骑行次数。

但你用geom_col(position = "dodge")绘制p2时，ggplot没有区分月份维度，会把同一day_of_week、同一member_casual下的多个月份数据直接重叠覆盖，最终图表显示的是该组合下某一个月份的骑行次数（通常是数据框里最后出现的那个月份的数值），而非各月总和，这就是数值差异的核心原因。

避免方法：

• 若想展示每月的周度骑行数据，给p2添加分面：+ facet_wrap(~month)，每个月份的图表单独展示；
• 若想把月份的数值叠加，将position = "dodge"改为position = "stack"，或者先按member_casual和day_of_week重新汇总（把各月数值相加）；
• 明确可视化目标：是看分月的周度数据，还是整体的周度数据，再匹配对应的分组和可视化方式。

2. p2中的数值来源 #

p2图表里的数值，是分组统计后的数据框中，同一day_of_week、同一member_casual下的某一条记录的数值。因为你的数据框里每个(member_casual, day_of_week)对应多个month的记录，ggplot绘制时未区分月份，会把这些记录的柱子放在同一位置，最终显示的是最后一条（或视觉最上层）的那个月份的骑行次数。比如你的tibble 2中，每个(member_casual, day_of_week)下有多个月份的total_rides，图表里的数值就是其中某一个月份的数值，而非总和。

内容的提问来源于stack exchange，提问作者Abooboo