R语言实现多来源同格式气象观测数据按日期求平均的方法咨询

针对多气象站、多观测列的场景，完全不需要手动累加，用批量读取+分组聚合的方法就能高效解决，以下是两种常用实现方案：

方法一：使用tidyverse（推荐，代码简洁易读） #

1. 批量读取并合并所有气象站数据 #

假设所有气象站数据都是CSV格式，存放在同一个文件夹中：

library(tidyverse)

# 替换为你的数据文件夹实际路径
data_folder <- "./weather_station_data"

# 获取所有CSV文件的完整路径
all_files <- list.files(data_folder, pattern = "\\.csv$", full.names = TRUE)

# 批量读取并合并成一个统一数据集
combined_data <- map_dfr(all_files, read_csv)

2. 按日期分组计算区域均值 #

利用group_by+across批量处理所有观测列，无需手动指定每一列：

regional_average <- combined_data %>%
  # 按日期三列分组
  group_by(Day, Month, Year) %>%
  # 对除日期外的所有列求均值，自动忽略缺失值
  summarise(across(everything(-c(Day, Month, Year)), mean, na.rm = TRUE),
            .groups = "drop")

如果需要指定特定观测列，把everything(-c(...))替换为列名向量即可，比如c("Min Temp", "Max Temp", "Humidity")。

方法二：使用data.table（适合超大数据量，运算更快） #

library(data.table)

# 批量读取合并数据
data_folder <- "./weather_station_data"
all_files <- list.files(data_folder, pattern = "\\.csv$", full.names = TRUE)
combined_data <- rbindlist(lapply(all_files, fread))

# 分组计算均值
regional_average <- combined_data[, lapply(.SD, mean, na.rm = TRUE),
                                 by = .(Day, Month, Year),
                                 .SDcols = !c("Day", "Month", "Year")]

关键注意事项 #

• 确保所有气象站数据的列名完全一致，否则合并会出现列错位或新增列的问题，可提前用map(all_files, ~colnames(read_csv(.x))) %>% unique()检查列名一致性
• 若数据存在缺失值，必须保留na.rm = TRUE参数，避免结果出现NA
• 如果数据是Excel格式，替换read_csv为readxl::read_excel，fread为readxl::read_excel即可，批量读取逻辑不变

内容的提问来源于stack exchange，提问作者Jhanikh