R语言cumsum函数按area-period组合分组实现累计求和的问题处理

• 现有代码累计值跨组失真的本质原因：在summarise步骤设置了.groups = 'drop'，直接清空了数据集所有分组属性，后续mutate运行cumsum时，是对整个表格的列值做全局累计，完全不会识别area、period的组边界。
• 这也刚好匹配观测到的现象：前4行属于001/2020q1的完整分组，全表累计从表格第一行开始计算，刚好能算出这部分的正确累计值；等进入后续分组时，累计值没有按组重置，就会完全偏离预期。
• 原有分组逻辑本身没有方向错误：group_by(area, period, small)的设置是匹配需求的——我们的累计本来就需要在同一个area+period组合内，顺着small的档级顺序逐档累加，不需要把small从分组维度中移除。
• 附带的常见操作误区：直接用cumsum的结果覆盖原始聚合得到的employment、worksites值，会丢失原始档级的数值基础，反而增加排障难度。

library(dplyr)

# 原有样本数据
employment <- c(1,45,125,130,165,260,2,46,127,132,167,265,50,61,110,121,170,305,55,66,112,123,172,310)
small <- c(1,1,2,2,3,4,1,1,2,2,3,4,1,1,2,2,3,4,1,1,2,2,3,4)
area <-c(001,001,001,001,001,001,001,001,001,001,001,001,003,003,003,003,003,003,003,003,003,003,003,003)
year<-c(2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020,2020)
qtr <-c(1,1,1,1,1,1,2,2,2,2,2,2,1,1,1,1,1,1,2,2,2,2,2,2)
smbtest <- data.frame(employment,small,area,year,qtr)

smbsummary2 <- smbtest %>%
  mutate(period = paste0(year, "q", qtr)) %>%
  select(area, period, employment, small) %>%
  # 第一步：按档级聚合，拿到每个small分档的原始汇总值
  group_by(area, period, small) %>%
  summarise(
    employment = sum(employment),
    worksites = n(),
    .groups = "drop" # 清空所有细分维度的分组，得到纯净的聚合明细
  ) %>%
  # 第二步：按累计需要的边界维度重新分组，逻辑完全可控
  group_by(area, period) %>%
  # 组内计算累计值，不会跨组边界
  mutate(
    employment_cum = cumsum(employment),
    worksites_cum = cumsum(worksites)
  ) %>%
  ungroup() # 计算完成后清空分组，适配后续数据操作

• 累计计算严格以area+period的4类组合为边界：每个组合内从small=1开始逐档累加，当切换到下一个组合时，累计值自动重置计算基数，不会将上一个组合的累计结果带入下一组。
• 结果集中同时保留每个分档的原始汇总值与对应累计值，无需额外拆分核对数值。

内容的提问来源于stack exchange，提问作者Tim Wilcox