R语言如何实现仅VW品类的12个月滚动同比销售趋势计算

以下是两种常用场景的实现方式，核心逻辑都是先获取上年同期销售额，再计算同比变化判断趋势：

方案1：SQL实现（基于lag窗口函数） #

首先需要把日级数据聚合为月度粒度，再用lag取12个月前的对应值，支持MySQL 8.0+/PostgreSQL/Hive等支持窗口函数的数据库：

WITH monthly_vw_sales AS (
    -- 过滤VW品类，聚合得到月度总销售额
    SELECT 
        DATE_FORMAT(Dates, '%Y-%m') AS year_month, -- 不同数据库日期格式化语法可调整，PG用to_char(Dates, 'yyyy-mm')
        SUM(Sales) AS monthly_sales
    FROM 你的表名
    WHERE Category = 'VW'
    GROUP BY DATE_FORMAT(Dates, '%Y-%m')
)
SELECT 
    year_month,
    monthly_sales,
    -- 取12个月前的同期销售额
    LAG(monthly_sales, 12) OVER (ORDER BY year_month) AS last_year_same_month_sales,
    -- 计算同比增长率，保留2位小数
    ROUND((monthly_sales - LAG(monthly_sales, 12) OVER (ORDER BY year_month)) * 100.0 / LAG(monthly_sales, 12) OVER (ORDER BY year_month), 2) AS year_over_year_growth_rate
FROM monthly_vw_sales
ORDER BY year_month;

前12行数据因无上年同期值，对应字段会返回空，属于正常情况。

方案2：Python Pandas实现 #

逻辑和SQL一致，用shift(12)实现类似lag的取数效果：

import pandas as pd

# 假设你已导入数据到df，且Dates字段已转为datetime类型
# 1. 过滤VW品类，按月聚合销售额
vw_df = df[df['Category'] == 'VW'].set_index('Dates')
monthly_vw_sales = vw_df['Sales'].resample('M').sum().reset_index()

# 2. 取12个月前的同期销售额
monthly_vw_sales['last_year_same_month_sales'] = monthly_vw_sales['Sales'].shift(12)

# 3. 计算同比增长率
monthly_vw_sales['year_over_year_growth_rate'] = round(
    (monthly_vw_sales['Sales'] - monthly_vw_sales['last_year_same_month_sales']) * 100 / monthly_vw_sales['last_year_same_month_sales'],
    2
)

# 查看结果
print(monthly_vw_sales)

注意事项 #

• 如果你的数据集本身就是月度粒度，可跳过聚合步骤，直接过滤VW品类后调用lag/shift函数即可
• 计算同比增长率时如果上年同期销售额为0会触发除零错误，可新增判断逻辑过滤异常场景
• 若你需要计算滚动12个月累计销售额的同比而非单月同比，可先做滚动累计计算再求同比：SQL中用sum(monthly_sales) over(order by year_month rows between 11 preceding and current row)计算滚动累计，Pandas中用rolling(12).sum()实现即可

内容的提问来源于stack exchange，提问作者Udo Gniß