R语言如何简便实现数据框多维度汇总与格式转换

问题说明 #

• 现有数据框raw_data，需要转换为包含明细数据、各维度小计、全量总计的目标结果wished_data
• 原有实现方式为多次调用group_by()/summarise()完成不同维度的分组汇总、补充维度标识后，再通过rbind()按行合并，流程繁琐，当待处理变量数量较多时重复操作效率极低，需要适配多维度汇总场景的通用方法

示例原始数据 #

library(tidyverse)
country <- c('UK','US','UK','US')
category <- c("A", "B", "A", "B")
y2021 <- c(17, 42, 21, 12)
y2022 <- c(49, 23, 52, 90)
raw_data <- data.frame(country,category,y2021,y2022)

通用实现方法（tidyverse 风格） #

核心逻辑为预先定义所有需要的汇总粒度，批量完成分组计算后一次性合并结果，无需重复编写汇总代码，可任意扩展维度和指标：

library(tidyverse)

# 配置待汇总的数值列
value_cols <- c("y2021", "y2022")

# 配置所有需要输出的汇总粒度：明细（国家+品类）、按国家汇总、按品类汇总、全量总计
group_levels <- list(
  c("country", "category"),
  "country",
  "category",
  character(0)
)

# 批量计算所有层级汇总结果并合并
wished_data <- map_dfr(group_levels, function(gp_cols) {
  raw_data %>%
    group_by(across(all_of(gp_cols))) %>%
    summarise(across(all_of(value_cols), sum), .groups = "drop") %>%
    # 未参与当前分组的维度统一填充"Total"标识
    mutate(across(!all_of(value_cols) & !all_of(gp_cols), ~"Total"))
}) %>%
  # 调整列顺序和原始数据保持一致
  select(all_of(names(raw_data)))

扩展说明 #

• 新增汇总维度：直接在group_levels列表中添加对应分组字段的向量即可，无需修改核心计算逻辑
• 新增汇总指标：直接在value_cols向量中添加对应数值列名即可，适配几十上百个指标的场景
• 修改汇总规则：将summarise中的sum替换为需要的统计函数（如mean、median、n()等）即可满足不同统计需求

百万行以上大数据量场景下，可直接使用data.table::rollup()函数一行生成所有层级的分组小计，再将分组列的空值替换为"Total"标识即可，运行效率更高。

内容的提问来源于stack exchange，提问作者anderwyang