如何在R语言中基于日期计算连续高温天数的平均值

你可以直接基于已筛选好的tm数据集，通过识别连续日期段的长度来计算各段的平均天数，以下是两种可行的实现方式：

方法1：基础R实现 #

calc_avg_consec_days <- function(df) {
  # 确保日期按升序排列
  df_sorted <- df[order(df$Date), ]
  # 标记相邻日期是否连续（差值为1天）
  is_consec <- c(FALSE, diff(df_sorted$Date) == 1)
  # 为每个连续日期段分配唯一组ID
  group_ids <- cumsum(!is_consec)
  # 统计每个连续段的天数
  segment_lengths <- table(group_ids)
  # 返回平均天数
  mean(segment_lengths)
}

# 将函数应用到tm列表的每个数据框
avg_consec_days <- lapply(tm, calc_avg_consec_days)
avg_consec_days

方法2：dplyr简洁实现 #

如果你习惯用tidyverse语法，这个版本更直观：

library(dplyr)

calc_avg_consec_days_dplyr <- function(df) {
  df %>%
    arrange(Date) %>%  # 确保日期有序
    # 生成连续段的组ID：当日期不连续时新建组
    mutate(group_id = cumsum(c(TRUE, diff(Date) != 1))) %>%
    count(group_id) %>%  # 统计每个组的天数
    pull(n) %>%  # 提取天数向量
    mean()  # 计算平均值
}

avg_consec_days_dplyr <- lapply(tm, calc_avg_consec_days_dplyr)
avg_consec_days_dplyr

说明 #

你之前尝试的ConsecMean函数逻辑存在偏差：它基于原始温度数据重新标记非高温天数，完全没有利用已经筛选好的tm数据集，因此得到的结果不符合需求。上述两种方法均直接处理tm中的连续高温数据，通过日期连续性划分段，再计算段长度的平均值，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者user26711711