R tidyverse示例代码中第二个group_by(month)的具体作用是什么？

你对前半段代码的理解是正确的，group_by(month, carrier) %>% summarise(n=n())执行后，会得到每个月每个航司对应的航班总量，结果的每一行唯一对应「月份+航司」的组合。

第二个group_by(month)的核心作用是：

明确重置后续操作的分组规则，仅按月份维度分组，保证后续mutate计算时的统计范围符合预期。

具体可以从两个角度理解：

• 执行mutate(prop=scales::percent(n/sum(n)))时，sum(n)的统计范围完全由当前的分组规则决定：按month分组时，sum(n)统计的是当前行所属月份的所有航司总航班量，最终得到的就是该航司当月航班量占当月总航班量的比例，符合代码的预期逻辑。
• 这是一种高兼容性、高可读性的严谨写法：
  • 旧版本dplyr中summarise执行后会默认解除所有分组，如果没有这行group_by(month)，sum(n)会统计整个数据集所有月份所有航司的总航班量，得到的比例是航司全年占比，和预期不符。
  • 即使新版本dplyr的summarise默认会保留上层分组（仅移除最内层的carrier分组），显式写分组规则也能让其他读者立刻理解后续计算的聚合维度，不需要额外记忆dplyr的版本特性。

最后代码执行spread后得到的宽表，每一行是一个航司，每一列是一个月份，单元格值就是对应航司对应月份的航班量占比。

内容的提问来源于stack exchange，提问作者GiacomoDB