如何在R中计算20个缓冲区的12个月数据平均值？

分两种常见的数据结构场景来实现，你可以对应自己的数据集选择方法：

场景1：宽格式数据（每个月份为一列） #

如果你的数据是每个缓冲区一行，12个月份各占一列（比如列名是buffer_id, jan, feb, ..., dec），直接用rowMeans()计算每行的均值最简便：

示例代码 #

# 假设你的数据集叫buffer_data，月度列是第2到第13列（或直接指定列名）
buffer_data$monthly_avg <- rowMeans(buffer_data[, 2:13], na.rm = TRUE)

# 如果需要指定具体月度列名，也可以这么写
buffer_data$monthly_avg <- rowMeans(buffer_data[, c("jan", "feb", "mar", "apr", "may", "jun", "jul", "aug", "sep", "oct", "nov", "dec")], na.rm = TRUE)

• na.rm = TRUE是用来忽略缺失值的，如果你的数据没有缺失可以去掉这个参数。
• 运行后会在原数据框新增一列monthly_avg，就是每个缓冲区的12个月平均值。

场景2：长格式数据（每行是一个缓冲区的一个月数据） #

如果你的数据是每行对应一个缓冲区的某一个月数据（比如列名是buffer_id, month, value），用dplyr的分组聚合或者base R的tapply()都可以：

方法1：用dplyr（更直观） #

library(dplyr)

# 按buffer_id分组，计算每个组的value均值
buffer_avg <- buffer_data %>%
  group_by(buffer_id) %>%
  summarize(monthly_avg = mean(value, na.rm = TRUE))

• 运行后会得到一个新数据框，包含每个缓冲区ID和对应的平均值。

方法2：用base R的tapply() #

# 直接计算每个buffer_id对应的value均值
avg_result <- tapply(buffer_data$value, buffer_data$buffer_id, mean, na.rm = TRUE)

# 如果需要转成数据框格式
avg_result_df <- data.frame(
  buffer_id = names(avg_result),
  monthly_avg = as.numeric(avg_result)
)

补充：宽格式转长格式（如果需要） #

如果你手里是宽格式，但想改用长格式的方法处理，可以用tidyr的pivot_longer()转换：

library(tidyr)

buffer_data_long <- buffer_data %>%
  pivot_longer(cols = -buffer_id, names_to = "month", values_to = "value")

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