使用 R，对于每一年，我需要将相同两个日期之间不同年份的销售额相加

Question

对于两个不同的年份，对于每一年，我需要汇总从 1 月 3 日到 3 月 3 日发生的所有销售额。我更喜欢 dplyr 解决方案。

我在 stackoverflow 中查看的所有可能的解决方案都使用 SQL，而不是 R。如果有人知道我错过的解决方案，请告诉我。

在 R 中，我知道如何与组合作并使用各种 dplyr 函数，但我需要帮助来完成这篇文章的内容。

我希望 输出 看起来像这样：

Year   Total Sales
2020   138 
2021   196

输入

df <- data.frame(date=c(20200102, 20200107, 20200210, 20200215, 20200216, 20200302, 20200305, 20210101, 20210104, 20210209, 20210211, 20210215, 20210317, 20210322),
                  sales=c(9,14,27,30,33,34,36,44,45,47,51,53,56,58))

Answer 1

比我大师 akrun 的解决方案少一排 :)

1. 用lubridate包的ymd函数将字符类型转换为日期。
2. 使用 DayMonth 函数只考虑月和日，以获得所需的月和日间隔
3. 分组year
4. 过滤区间
5. 总结

library(lubridate)
df %>% 
    mutate(date = ymd(date)) %>% 
    mutate(DayMonth = format(as.Date(date), "%m-%d")) %>% 
    group_by(Year=year(date)) %>% 
    filter(DayMonth>"01-03" & DayMonth<"03-03") %>% 
    summarise(Total_Sales = sum(sales))

输出：

   Year Total_Sales
  <int>       <dbl>
1  2020         138
2  2021         196

Answer 2

您还可以根据您的目的使用以下解决方案：

library(dplyr)
library(lubridate)

df %>%
  mutate(date = ymd(date)) %>%
  group_by(year = year(date)) %>%
  filter(date %within% interval(ymd(paste(first(year), "01-03", sep = "-")), 
                                ymd(paste(first(year), "03-03", sep = "-")))) %>%
  summarise(sale = sum(sales))

# A tibble: 2 x 2
   year  sale
  <dbl> <dbl>
1  2020   138
2  2021   196

Answer 3

我们可以使用tidyverse。将“日期”转换为Date 类（ymd 来自lubridate），从“日期”获取month 和day，使用ISOdate 创建一个新日期，并将year 标准化为一年（这里我们选择 2021 - 虽然它可以是任何一年），然后我们使用 between filter 'newdate' 并将 left 和 right 参数指定为自定义日期范围，然后执行按“年”分组并在summarise 中获取“销售”的sum

library(dplyr)
library(lubridate)
df %>%
  mutate(date = ymd(date), year = year(date),
   month = month(date), day = day(date), 
   newdate = as.Date(ISOdate(2021, month, day))) %>% 
  filter(between(newdate, as.Date("2021-01-03"), 
        as.Date("2021-03-03"))) %>% 
  group_by(year) %>%
  summarise(sales = sum(sales))

-输出

# A tibble: 2 x 2
#   year sales
#  <dbl> <dbl>
#1  2020   138
#2  2021   196

---

或者使用来自base R 的aggregate。通过subsitution 创建'newdate' 即删除'date' 开头（^）的前4 个字符（.{4}），替换为'2021'，转换为Date 类，执行subset 与关系运算符。然后使用aggregate 中的过滤数据集通过year 部分（即前4 个字符）获取'sales' 的sum

subdf <- subset(transform(df, newdate = as.Date(sub("^.{4}", "2021", 
         date), '%Y%m%d')),
     newdate >= as.Date('2021-01-03') & newdate <= as.Date('2021-03-03'))
aggregate(sales ~ cbind(Year = substr(date, 1, 4)), subdf, FUN = sum)
#  Year sales
#1 2020   138
#2 2021   196

Answer 4

仅使用整数/模除法的简单解决方案，%% & %/%，即不使用任何日期类型库（lubridate 等）

• 由于您的日期变量遵循最符合逻辑（并且最适合日期的 aplhabetical 排序）的格式，因此这里的工作是检查前四位数字的条件/分组，过滤后四位数字并进行总结。所以
• group_by on Year 是通过整数除法获得的，即 %/% 日期除以 10000 将始终为您提供前四位数字（在 YYYYMMDD 格式的情况下）
• 无需先创建此列再创建group_by
• 然后使用 date 的模除法 %% 通过 10000 过滤行中的最后四位数字并检查您的条件
• 最后总结一下
• 如果您的日期列是字符类型，请在所有步骤中用 as.numeric 包装它

library(dplyr)

df %>% 
  group_by(Year = date %/% 10000) %>%
  filter(date %% 10000 > 103, date %% 10000 < 303) %>%
  summarise(Total_sales = sum(sales))

#> # A tibble: 2 x 2
#>    Year Total_sales
#>   <dbl>       <dbl>
#> 1  2020         138
#> 2  2021         196

^{由reprex package (v2.0.0) 于 2021 年 5 月 30 日创建}

---

等价的 baseR 语法

aggregate(sales ~ cbind(Year = date %/% 10000), 
          subset(df, date %% 10000 > 103 & date %% 10000 < 303), 
          FUN = sum)
  Year sales
1 2020   138
2 2021   196