R语言基于另一dataframe按三条件实现rolling sum计算

核心逻辑 #

不需要写复杂循环逐行匹配，直接用分组累计求和+维度表关联的方式就能实现，规则完全对齐需求：同公司、同账户下，所有日期小于等于当前统计日的交易金额求和，没有交易记录的公司/账户组合自动补0占位。

可直接运行的实现代码 #

依赖dplyr、tidyr、lubridate三个包，未安装的话先跑install.packages(c("dplyr","tidyr","lubridate"))

library(dplyr)
library(tidyr)
library(lubridate)

# ----------------------
# 1. 初始化示例数据
# ----------------------
# 原始交易流水表
trans_df <- tibble(
  trans_date = ymd(c("2021-01-01","2021-01-01","2021-01-01",
                     "2021-01-02","2021-01-02","2021-01-02")),
  company = rep("A公司",6),
  account = c("a","a","b","a","b","b"),
  amount = c(100, 200, 150, 50, 80, 120)
)

# 日终余额表维度骨架：所有需要统计的日期、公司、账户的全组合，这里包含需要占位的B公司
balance_dim <- expand_grid(
  stat_date = seq.Date(ymd("2021-01-01"), ymd("2021-01-02"), by = "day"),
  company = c("A公司","B公司"),
  account = c("a","b")
)

# ----------------------
# 2. 计算分组累计余额
# ----------------------
cum_trans <- trans_df %>%
  # 先聚合同一天同公司同账户的多笔交易，避免重复累计
  group_by(trans_date, company, account) %>%
  summarise(daily_total = sum(amount), .groups = "drop_last") %>%
  # 按公司、账户分组，按日期升序做累计求和
  arrange(trans_date, .by_group = TRUE) %>%
  mutate(balance = cumsum(daily_total)) %>%
  ungroup()

# ----------------------
# 3. 关联维度表得到最终结果
# ----------------------
result <- balance_dim %>%
  left_join(
    cum_trans %>% select(trans_date, company, account, balance),
    by = c("stat_date" = "trans_date", "company", "account")
  ) %>%
  group_by(company, account) %>%
  arrange(stat_date, .by_group = TRUE) %>%
  # 无交易日余额沿用上一日数值，首日无交易填0
  fill(balance, .direction = "down") %>%
  replace_na(list(balance = 0)) %>%
  ungroup()

结果说明 #

运行后输出的result完全符合预期：

• 2021-01-01：A公司a账户余额300、b账户150；B公司a、b账户余额均为0
• 2021-01-02：A公司a账户余额350、b账户350；B公司a、b账户余额均为0

如果不需要保留无交易的日期断层，只需要统计有交易发生的日期+指定占位维度，删掉fill那行代码，直接把NA替换为0即可。如果统计日期范围更长，只要修改balance_dim里的stat_date序列就行，不需要改核心计算逻辑。

内容的提问来源于stack exchange，提问作者Matias Ochoa