如何将日期转为自定义命名列？R语言data.frame数据处理问询

我看了你的需求和现有代码，原逻辑绕了弯路，我们可以更直接地实现你想要的结果——核心是先筛选出有实际销售的记录，再按产品分组计算总和、首次和末次销售日期。

调整后的代码 #

library(tidyverse)

x <- data.frame(
  product = c(1,1,1,2,2,2),
  value_day = c(0,0,150.23,110.98,18.65,0),
  my_date = c("2019-01-01","2019-01-02","2019-01-03","2019-01-01","2019-01-02","2019-01-03")
)

x %>%
  filter(value_day > 0) %>%  # 先过滤掉无销售的无效记录
  group_by(product) %>%
  summarise(
    total = sum(value_day),
    first_sell = min(my_date),  # 提取该产品首次销售日期
    last_sell = max(my_date)    # 提取该产品末次销售日期
  ) %>%
  ungroup()  # 可选：取消分组状态，转为普通tibble

运行结果 #

# A tibble: 2 × 4
  product total first_sell last_sell
    <dbl> <dbl> <chr>      <chr>    
1       1  150. 2019-01-03 2019-01-03
2       2  130. 2019-01-01 2019-01-02

代码逻辑说明 #

• filter(value_day > 0)：先排除无销售的日期记录，这些日期不属于有效销售，不需要参与首次/末次销售日期的计算。
• group_by(product)：按产品分组，确保每个产品的统计值独立计算。
• summarise()：一次性生成三个目标字段：
  • total = sum(value_day)：计算该产品的总销售额
  • first_sell = min(my_date)：取该产品所有有效销售记录中最早的日期
  • last_sell = max(my_date)：取该产品所有有效销售记录中最晚的日期
• ungroup()：可选操作，如果你后续不需要保留分组状态，可以取消分组，让结果成为普通的数据框。

原代码的问题在于先计算总和再筛选，还尝试用slice和spread处理日期，反而把逻辑复杂化了。直接先筛选有效记录再分组汇总，逻辑更清晰，结果也更准确。

内容的提问来源于stack exchange，提问作者neves