R中dplyr分组处理后如何保留关联变量并计算月度height总和

原始测试数据构造 #

var = c(rep("A",3),rep("B",2),rep("C",5))
date = c(as.Date("2022/01/01"),as.Date("2022/02/01"),as.Date("2022/03/01"),
         as.Date("2022/01/01"),as.Date("2022/03/01"),
         as.Date("2022/01/01"),as.Date("2022/01/01"),as.Date("2022/02/01"),as.Date("2022/02/01"),as.Date("2022/03/01"))
loc = c(rep("london",3),rep("berlin",2),rep("cairo",5))
height =c(13,14,15,13,15,16,12,14,13,15)
data = tibble::tibble(var,date,loc,height)

实现代码 #

需要加载dplyr、tidyr做数据处理，lubridate做日期字段提取：

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

result <- data %>%
  # 从日期字段提取月份、季度
  mutate(
    Month = month(date),
    Quarter = quarter(date)
  ) %>%
  # 按变量+对应地点分组，补全每组1-3月的缺失记录
  group_by(var, loc) %>%
  complete(Month = 1:3, fill = list(height = 0)) %>%
  # 分组计算月度height总和，标记数据是否为原始存在的记录
  group_by(var, loc, Month) %>%
  summarise(
    Quarter = first(Quarter, default = 1),
    height = sum(height, na.rm = TRUE),
    Condition = height > 0,
    .groups = "drop"
  ) %>%
  # 调整字段顺序匹配预期输出
  select(var, Quarter, Month, Condition, loc, height)

输出结果 #

运行代码后得到的结果完全匹配预期结构：

注意事项 #

• 示例数据全部为2022年第一季度记录，如果数据包含多个年份，补全时需要把年份加入分组维度，避免不同年份同月份数据混淆
• 代码默认支持同一个var对应多个loc的场景，会自动按var+loc的组合分别补全月份、计算指标

内容的提问来源于stack exchange，提问作者Homer Jay Simpson