在R中对多年DataFrame按日期小时计算统计量并实现管道式处理

你可以直接在现有合并数据的管道后继续操作，完成按月-日 小时:分:秒分组并计算均值、最大值、最小值的需求，以下是完整实现：

基础实现代码 #

WaterData <- BUSdata %>%
  left_join(MBdata, by = "datetime") %>%
  left_join(SUSdata, by = "datetime") %>%
  # 提取月-日 时分秒作为分组标识
  mutate(group_datetime = format(datetime, "%m-%d %H:%M:%S")) %>%
  # 按统一的月日小时分组
  group_by(group_datetime) %>%
  # 计算每个变量的均值、最大值、最小值
  summarise(
    BUSwt_mean = mean(BUSwt, na.rm = TRUE),
    BUSwt_max = max(BUSwt, na.rm = TRUE),
    BUSwt_min = min(BUSwt, na.rm = TRUE),
    MBwt_mean = mean(MBwt, na.rm = TRUE),
    MBwt_max = max(MBwt, na.rm = TRUE),
    MBwt_min = min(MBwt, na.rm = TRUE),
    SUSwt_mean = mean(SUSwt, na.rm = TRUE),
    SUSwt_max = max(SUSwt, na.rm = TRUE),
    SUSwt_min = min(SUSwt, na.rm = TRUE)
  ) %>%
  # 重命名分组列为datetime，匹配期望输出格式
  rename(datetime = group_datetime) %>%
  # 按时间顺序排序（可选，提升可读性）
  arrange(datetime)

代码分步说明 #

• mutate(...)：将原始datetime格式转换为%m-%d %H:%M:%S（月-日 小时:分:秒）的字符串，这样能把5年中同一月日同一小时的数据归为一组。
• group_by(group_datetime)：基于转换后的时间字符串进行分组。
• summarise(...)：对每个分组计算三个变量的均值、最大值、最小值，na.rm = TRUE用于忽略缺失值，避免统计结果出现NA。
• rename(...)：将分组列重命名为datetime，完全匹配你期望的输出表头。
• arrange(datetime)：可选步骤，让结果按时间顺序排列，方便查看。

简化版（适合多变量场景） #

如果后续变量增多，可使用across函数减少重复代码：

WaterData <- BUSdata %>%
  left_join(MBdata, by = "datetime") %>%
  left_join(SUSdata, by = "datetime") %>%
  mutate(group_datetime = format(datetime, "%m-%d %H:%M:%S")) %>%
  group_by(group_datetime) %>%
  summarise(
    across(c(BUSwt, MBwt, SUSwt), 
           list(mean = ~mean(., na.rm = TRUE), 
                max = ~max(., na.rm = TRUE), 
                min = ~min(., na.rm = TRUE)))
  ) %>%
  # 调整列名格式（默认是"变量名_函数名"，和需求格式一致）
  rename(datetime = group_datetime) %>%
  arrange(datetime)

across函数会自动为每个变量生成变量名_mean、变量名_max、变量名_min格式的列，无需手动逐个定义。

内容的提问来源于stack exchange，提问作者Ryan Gary