使用R按组求和并生成年度面板数据的技术问询

问题核心 #

原始数据集包含公司名称（Name）、城市代码（Cod）、获天线安装许可年份（year_l）、当年安装数量（count），需要扩展为年度面板数据，展示每家公司在对应城市每年的累计天线总数——核心是补全每个公司-城市组合的所有年份记录，并逐年累加安装量。

原始数据集示例 #

Name    Cod  year_l  count
A       001  2018    5
A       001  2020    3
B       002  2019    4

目标数据集示例 #

Name    Cod  year  cumulative_count
A       001  2018  5
A       001  2019  5
A       001  2020  8
B       002  2018  0
B       002  2019  4
B       002  2020  4

实现步骤（以Pandas为例） #

1. 生成完整年份序列：先确定数据集的年份范围，为每个公司-城市组合生成该范围内的所有年份记录。
2. 匹配原始数据：用左连接把原始数据的安装量匹配到对应年份，缺失年份的安装量填0。
3. 计算累计值：按公司-城市分组，对安装量做逐年累加得到累计天线数。

完整代码 #

import pandas as pd

# 加载原始数据（替换成你的数据集路径即可）
df = pd.DataFrame({
    'Name': ['A', 'A', 'B'],
    'Cod': ['001', '001', '002'],
    'year_l': [2018, 2020, 2019],
    'count': [5, 3, 4]
})

# 1. 确定年份范围（可手动调整成你需要的起止年份）
min_year = df['year_l'].min()
max_year = df['year_l'].max()
years = pd.DataFrame({'year': range(min_year, max_year + 1)})

# 2. 生成所有公司-城市-年份的完整组合
unique_groups = df[['Name', 'Cod']].drop_duplicates()
full_panel = unique_groups.merge(years, how='cross')

# 3. 合并原始数据，填充缺失年份的安装量为0
full_panel = full_panel.merge(
    df.rename(columns={'year_l': 'year'}),
    on=['Name', 'Cod', 'year'],
    how='left'
).fillna({'count': 0})

# 4. 按公司-城市分组计算累计值
full_panel['cumulative_count'] = full_panel.groupby(['Name', 'Cod'])['count'].cumsum()

# 整理最终输出的列顺序
full_panel = full_panel[['Name', 'Cod', 'year', 'cumulative_count']]
print(full_panel)

常见问题修正 #

• 如果需要扩展年份范围（比如从2017到2021），直接修改min_year和max_year的数值即可。
• 若原始数据存在重复的公司-城市-年份记录，先做聚合处理：df = df.groupby(['Name', 'Cod', 'year_l'])['count'].sum().reset_index()。
• 确保分组时用['Name', 'Cod']作为键，避免不同城市或公司的累计值混淆。

内容的提问来源于stack exchange，提问作者Mateus Maciel