如何使用dplyr在for循环中批量统计多个SKU的日销售额

你不需要逐个SKU写筛选统计代码，两种高效方法可以直接批量完成82个SKU的处理：

方法1：高效分组汇总法（推荐） #

不需要循环逐SKU筛选，一次分组就能完成全量计算，运行速度更快，代码更简洁：

library(dplyr)

# 一次性汇总所有SKU的每日销售额
all_sku_daily <- df %>%
  group_by(SKU, date) %>%
  summarise(sales_perday = sum(sales), .groups = "drop")

# 按SKU拆分并生成独立数据框到当前环境
list2env(
  x = split(all_sku_daily, all_sku_daily$SKU),
  envir = .GlobalEnv
)

代码说明：

• 把SKU和date同时传入group_by()，可以直接对所有SKU按日期聚合销售额，避免循环重复筛选的性能损耗
• split()会自动按SKU值把汇总表拆分为命名列表，每个列表元素对应一个SKU的统计结果，元素名就是SKU编号（M1、M2...M82）
• list2env()会把列表里的所有元素直接导出为全局环境中的独立数据框，调用方式和你手动生成的M50完全一致。

方法2：修正后的循环写法 #

如果更习惯用循环逻辑，修正原循环的赋值逻辑即可：

library(dplyr)

# 提取全部唯一SKU编号
sku_list <- unique(df$SKU)

for (sku in sku_list) {
  # 直接将统计结果赋值给对应SKU命名的变量
  assign(
    x = sku,
    value = df %>%
      filter(SKU == sku) %>%
      group_by(date) %>%
      summarise(sales_perday = sum(sales), .groups = "drop")
  )
}

原循环写法问题：

• 之前用SKU_M[i]的赋值方式只能生成列表/向量的子集，无法创建独立命名的数据框，用assign()可以直接生成和SKU同名的独立变量。

两种方法最终都会在当前环境生成M1到M82共82个独立数据框，每个数据框存储对应SKU的按日汇总销售额。

内容的提问来源于stack exchange，提问作者Timo V