多日期场景下按30秒间隔计算温度平均值的代码优化需求

你的核心问题是分组时未包含日期维度，导致不同日期的同一时间段数据被合并计算。以下是两种直接的修复方案：

方案一：在原有逻辑基础上添加日期分组 #

从datetime字段提取日期，将其加入分组键，确保每天的时间段独立计算：

library(data.table)
library(lubridate)

df_sum <- df[, 
             # 新增日期字段，同时保留原有时分秒拆分
             c('Date', 'Hour', 'Minute', 'Second') := .(as.Date(datetime), 
                                                        data.table::hour(datetime), 
                                                        minute(datetime),
                                                        second(datetime))
             ][, second_Cut := cut(Second, breaks = c(0,30,60), include.lowest = TRUE)
             # 分组时加入Date，同时用na.rm处理数据缺失
             ][, .(Avg = mean(CorTemp, na.rm = TRUE)), .(Date, Hour, Minute, second_Cut)]

方案二：更简洁的时间间隔分组（推荐） #

不用手动拆分时分秒，直接用floor_date将datetime向下取整到30秒间隔，自动包含日期信息，逻辑更清晰：

library(data.table)
library(lubridate)

df_sum <- df[, 
             # 生成30秒间隔的时间标记（如2024-05-20 10:30:00、2024-05-20 10:30:30）
             time_interval := floor_date(datetime, "30 seconds")
             # 按时间间隔分组计算平均值，na.rm处理缺失值
             ][, .(Avg = mean(CorTemp, na.rm = TRUE)), by = time_interval]

补充说明 #

• 两种方案都加入了na.rm = TRUE，用于处理数据缺失的情况，避免因单个缺失值导致整个时间段的平均值为NA；
• 方案二的输出结果会以完整的时间间隔（含日期）作为分组键，更便于后续的时间序列分析。

内容的提问来源于stack exchange，提问作者JMc