dplyr group_by后summarise保留多余列、行数异常问题咨询

问题出在pedestrian不是普通数据框，是tsibble包定义的时间序列专用数据结构（tsibble对象），它自带两类强制绑定的结构属性：

• 时间索引（index）：这个数据集的索引列就是你看到被莫名保留的Date_Time，是tsibble识别时间序列的核心字段
• 序列键（key）：这个数据集的键是Sensor列，用来区分不同路口的行人监测点序列

当你直接对tsibble对象调用dplyr的group_by()时，tsibble会默认把原有时间索引、序列键作为隐式分组变量加入分组规则，不管你有没有把这些列写在group_by()的参数里。你代码里显式指定的分组字段只有month_year，但实际执行聚合时的分组粒度是Date_Time + Sensor + month_year，本质是逐行逐监测点求和，自然返回的行数和原数据接近，也会保留作为隐式分组依据的Date_Time列。
你手动删除Date_Time列后，tsibble丢失了必须的时间索引字段，会被自动降级为普通tibble对象，隐式分组规则同步失效，所以summarise()会按照你显式指定的month_year字段聚合，得到预期的24行结果。

不需要手动删列，根据你后续的分析需求选任意一种即可：

• 如果后续不需要做时间序列专属操作，聚合前先转成普通tibble，彻底规避tsibble隐式属性的影响，是最稳妥的写法：

library(tidyverse)
library(tsibble)

count_all <- pedestrian %>%
  as_tibble() %>% # 转为普通tibble，丢弃tsibble专属的隐式分组规则
  mutate(month_year = format(as.Date(Date), "%Y-%m")) %>%
  group_by(month_year) %>%
  summarise(total = sum(Count))

• 如果后续需要保留tsibble结构做时间序列分析，推荐用tsibble自带的时间分组函数index_by()替代group_by()处理时间维度聚合，原生适配tsibble结构，不会触发隐式分组问题，还能自动生成规范的年月时间类型字段：

count_all <- pedestrian %>%
  # yearmonth是tsibble提供的年月类型函数，比手动format转字符更适合时间计算
  index_by(month_year = yearmonth(Date)) %>%
  summarise(total = sum(Count))

提示：后续用dplyr操作tsibble、sf这类带自定义结构属性的特殊数据框时，如果出现和预期不符的聚合/连接结果，可以先检查是不是对象自带的隐式分组、属性规则在生效，提前转成普通tibble再操作就能避开大部分这类难排查的问题。

内容的提问来源于stack exchange，提问作者Grimey