你的问题核心在于之前的代码是基于自然周/季度的聚合，而你的季度是自定义顺序（SU→FA→WI→SP），和常规季度的时间划分不匹配，所以分组才会不符合预期。下面给你一套自动化的解决方案，适配大数据集：

步骤1：解析并排序自定义季度 #

首先我们需要把Season字段拆解成年份和季度标识，然后按照你要的顺序给每个季度分配排序权重，确保后续聚合和转ts时顺序正确：

library(dplyr)

# 处理数据集，生成排序用的字段
DF <- DF %>%
  mutate(
    # 提取季度标识（SU/FA/WI/SP）
    qtr_tag = substr(Season, 1, 2),
    # 把两位年份转成四位（比如15→2015）
    year_full = as.numeric(substr(Season, 3, 4)) + 2000,
    # 按你的要求给季度分配顺序编号：SU=1，FA=2，WI=3，SP=4
    qtr_order = case_when(
      qtr_tag == "SU" ~ 1,
      qtr_tag == "FA" ~ 2,
      qtr_tag == "WI" ~ 3,
      qtr_tag == "SP" ~ 4
    )
  ) %>%
  # 按年份+季度顺序排序，保证数据是你要的时间序列顺序
  arrange(year_full, qtr_order)

步骤2：按自定义季度聚合数据 #

因为每个季度有多个数据点，我们需要先聚合（这里用均值示例，你可以换成sum或其他你需要的统计量）：

# 按Season分组聚合，同时保留正确的顺序
aggregated_df <- DF %>%
  group_by(Season) %>%
  summarise(Variable_agg = mean(Variable, na.rm = TRUE)) %>%
  # 强制按之前排好的顺序排列，避免分组打乱顺序
  arrange(match(Season, DF$Season))

步骤3：转换为ts对象 #

现在我们可以把聚合后的结果转成ts对象，指定frequency=4（一年4个自定义季度），并设置正确的起始时间：

# 获取起始的年份和季度编号
start_year <- first(DF$year_full)
start_qtr <- first(DF$qtr_order)

# 生成符合要求的ts对象
DF_final_ts <- ts(aggregated_df$Variable_agg,
                  frequency = 4,
                  start = c(start_year, start_qtr))

为什么之前的代码不行？ #

你之前用frequency=52是按周频率处理，然后aggregate成4个频率，这是默认按自然季度（1-3月Q1，4-6月Q2等）聚合，和你的自定义季度顺序完全不匹配，所以分组结果不符合预期。这套方案完全基于你的自定义季度规则，自动化处理顺序和聚合，适合大数据集。

内容的提问来源于stack exchange，提问作者Sheila