如何用lubridate与dplyr提取日期生成票量年-月汇总表

常见实现卡点 #

使用lubridate+dplyr链路无法得到预期结果，通常是以下三类问题导致：

• 原始列映射错位：示例给出的原始结构中，日期字符串被标记为number_of_tickets字段、开票数值被标记为date字段，构建分析用数据框时若未对齐对应关系，所有后续计算都会出错
• 日期解析格式不匹配：现有日期为「日-月-年」格式（如01-01-2019），若使用默认的年-月-日解析规则，会输出全空值，导致分组维度完全失效
• 月份顺序混乱：若直接将月份转为文本名称，汇总结果会按英文字母顺序排列月份，无法匹配1-12月的自然展示顺序

分步实现流程 #

1. 加载所需依赖包

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

2. 构建规范原始数据集
   对齐列的对应关系：number_of_tickets为数值型开票量，date为字符串格式的开票日期，代码示例可直接替换为本地读取的业务数据源：

   # 示例原始数据（替换为实际业务数据即可）
   ticket_raw <- tibble(
     number_of_tickets = c(1500, 1200, 2000, 1800, 2500, 3200),
     date = c("01-01-2019", "15-01-2019", "03-02-2019", "10-02-2020", "22-03-2020", "05-03-2020")
   )
   

3. 数据清洗与维度提取
   适配自定义日期格式，提取年、月统计维度，同时固定月份的排列顺序：

   ticket_clean <- ticket_raw %>%
     mutate(
       # 按日-月-年规则解析日期为标准Date类型
       date_parsed = dmy(date),
       # 提取年份作为行维度
       stat_year = year(date_parsed),
       # 提取月份作为列维度，固定1-12月的顺序与展示标签
       stat_month = factor(
         month(date_parsed),
         levels = 1:12,
         labels = c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec")
       )
     )
   

4. 分组汇总累计开票量

   monthly_summary <- ticket_clean %>%
     group_by(stat_year, stat_month) %>%
     summarise(
       total_count = sum(number_of_tickets, na.rm = TRUE),
       .groups = "drop"
     )
   

5. 生成交叉统计结果
   通过宽格式转换，实现“行对应年份、列对应月份”的目标结构：

   cross_stat_result <- monthly_summary %>%
     pivot_wider(
       id_cols = stat_year,
       names_from = stat_month,
       values_from = total_count,
       # 无数据的月份自动补0
       values_fill = 0
     )
   

输出结果说明 #

最终生成的cross_stat_result完全匹配预期展示效果：

• 每行对应一个统计年份
• 每列对应一个自然月的累计开票总数量
• 列的展示顺序固定为Jan到Dec，不会出现字母序混乱的问题

内容的提问来源于stack exchange，提问作者Jaikishore Verma