R语言：非规则时间间隔数据的小时均值计算求助

解决方案说明 #

你之前的代码只按小时数（0-23）分组，会把所有日期的同一小时数据合并计算均值，自然得不到按「天-小时」维度的汇总结果。正确的做法是按日期+小时的完整时间区间分组，以下是适配你200万行大数据量的实现方案：

方法一：用Tidyverse高效处理（适合新手） #

library(tidyverse)
library(lubridate)

# 1. 批量读取并合并3个CSV文件（替换成你的实际文件名）
file_names <- c("dataset1.csv", "dataset2.csv", "dataset3.csv")
all_data <- map_dfr(file_names, read_csv)  # read_csv比read.csv更快，适配大数据

# 2. 生成完整日期时间列，并截断到小时级别（核心：把任意时间戳归到所属小时的起始点）
all_data <- all_data %>%
  mutate(
    # 合并Date和Time列成标准时间戳（如果你的Date是日-月-年格式，改用dmy_hms）
    full_datetime = ymd_hms(paste(Date, Time)),
    # 生成按小时分组的标识（比如2024-05-20 10:15:00 → 2024-05-20 10:00:00）
    hour_interval = floor_date(full_datetime, "hour")
  )

# 3. 按小时区间分组，计算Elevation均值（na.rm=TRUE处理缺失值）
hourly_elevation_mean <- all_data %>%
  group_by(hour_interval) %>%
  summarise(
    elevation_avg = mean(Elevation, na.rm = TRUE)
  )

方法二：用data.table提速（超大数据量首选） #

如果200万行数据处理较慢，data.table的速度比Tidyverse快2-5倍：

library(data.table)
library(lubridate)

# 1. 批量读取合并CSV
file_names <- c("dataset1.csv", "dataset2.csv", "dataset3.csv")
all_data_dt <- rbindlist(lapply(file_names, fread))

# 2. 处理时间并计算小时均值
all_data_dt[, full_datetime := ymd_hms(paste(Date, Time))]
all_data_dt[, hour_interval := floor_date(full_datetime, "hour")]
hourly_mean_dt <- all_data_dt[, .(elevation_avg = mean(Elevation, na.rm = TRUE)), by = hour_interval]

关键注意点 #

• 如果你的Date列是日-月-年格式（比如20/05/2024），把代码里的ymd_hms改成dmy_hms，否则时间戳会解析错误。
• 若数据中有缺失值，一定要加na.rm=TRUE，不然均值会变成NA。

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