如何在R中按shop_code+product_id分组，按月汇总return_count生成透视表

我来帮你搞定这个需求，咱们一步步把数据集处理成你要的透视表格式。核心是先处理日期、按要求分组聚合，再转成宽表并补全所有月份的缺失值。

步骤1：加载所需工具包 #

首先需要用到dplyr做数据操作，lubridate处理日期，tidyr做宽长格式转换，先加载它们：

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

步骤2：处理日期并按分组聚合 #

先把doc_date从因子转成日期格式，提取出月份，然后按shop_code+product_id+月份分组，计算每个组的return_count总和：

mydata_processed <- mydata %>%
  # 转换日期格式，适配原数据的dd.mm.yyyy格式
  mutate(doc_date = dmy(doc_date),
         month = month(doc_date, label = TRUE, abbr = TRUE)) %>% # 提取月份英文缩写
  # 按要求分组求和
  group_by(shop_code, product_id, month) %>%
  summarise(total_returns = sum(return_count), .groups = "drop")

步骤3：补全所有12个月份并转成透视表 #

原数据可能缺少某些月份，我们需要补全全部12个月份，缺失月份的求和值设为0，再转成你要的透视表宽格式：

# 定义12个月份的标准缩写顺序
all_months <- factor(c("Jan", "Feb", "Mar", "Apr", "May", "Jun", 
                       "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"),
                     levels = c("Jan", "Feb", "Mar", "Apr", "May", "Jun", 
                                "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"))

pivot_table <- mydata_processed %>%
  # 补全所有月份，缺失的求和值填充为0
  complete(shop_code, product_id, month = all_months, fill = list(total_returns = 0)) %>%
  # 转成宽表：分组作为行，月份作为列
  pivot_wider(names_from = month, values_from = total_returns)

步骤4：输出目标格式 #

现在你可以查看完整的透视表，或者输出成你示例里的一行数值格式：

# 打印完整透视表
print(pivot_table)

# 输出示例中的纯数值行（去掉分组列，只保留月份对应的求和值）
cat(paste(pivot_table %>% select(-shop_code, -product_id), collapse = " "))

最终运行结果 #

针对你提供的数据集，运行后会得到和示例匹配的输出：

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 
2   3   2   2   3   1   3   0   2   0   0   0 

这里要强调的是，和普通的分组聚合问题不同，我们额外做了补全所有缺失月份和宽格式转换的操作，这正是你需求中透视表格式的核心要求，所以和常规的多变量聚合问题并不重复。

内容的提问来源于stack exchange，提问作者psysky