如何在R中将非连续年度数据转换为五年期平均值？

嘿，我来帮你搞定这个非连续年份的平均值计算问题！作为R新手，用data.table来处理这类分组时间序列问题会特别高效，咱们结合你的需求一步步来实现。

核心需求回顾 #

• 按国家分组，将年份划分为连续的N年区间（比如你需要的5年，或是示例中的3年）
• 每个区间内，有几年数据就算几年的平均值；仅1年数据时直接取原值
• 给每个区间标记起始年份（你要的YearAvg变量）
• 将结果对应回原数据的每一行

第一步：加载并预处理数据 #

首先把你的模拟数据转换成data.table格式，方便后续操作：

library(data.table)

# 加载你补充的模拟数据
df <- read.table( text = "year, Data,country
1,2,US
3,2,US
4,5,US
5,1,US
6,3,US
7,5,US
8,4,US
9,3,US
10,4,US
11,9,US ", sep = ",", header = TRUE)

# 转换为data.table
setDT(df)

因为原数据是非连续的，我们需要先补全每个国家的所有年份（哪怕对应Data为NA），这样才能准确划分区间：

# 生成所有国家+连续年份的完整组合
full_df <- df[CJ(year = seq(min(year), max(year)), country = unique(country)), on = .(year, country)]

第二步：划分区间并计算平均值 #

接下来设置区间长度（比如你要的5年），然后给每个年份匹配所属区间的起始年份，再计算区间内的平均值：

# 设置区间长度，这里以5年为例，改成3年就能适配你最初的示例
interval_length <- 5

# 计算每个年份所属区间的起始年份（YearAvg）
full_df[, YearAvg := min(year) + (floor((year - min(year))/interval_length))*interval_length, by = country]

# 计算每个区间的平均值：忽略NA，只计算有数据的年份
full_df[, Average := mean(Data, na.rm = TRUE), by = .(country, YearAvg)]

第三步：匹配回原数据 #

如果你只需要原数据行对应的结果，把补全后的数据集和原数据合并即可：

# 合并回原数据，保留原数据的所有行
result_df <- df[full_df, on = .(year, country), .(year, Data, country, YearAvg, Average)]

# 查看结果
print(result_df)

适配3年区间的示例 #

如果要改成你最初的3年区间需求，只需要把interval_length改成3：

interval_length <- 3
full_df[, YearAvg := min(year) + (floor((year - min(year))/interval_length))*interval_length, by = country]
full_df[, Average := mean(Data, na.rm = TRUE), by = .(country, YearAvg)]
result_df <- df[full_df, on = .(year, country), .(year, Data, country, YearAvg, Average)]

这个结果完全符合你给出的模拟期望：比如US的1年属于1-3区间，平均值是(2+2)/2=2；6年属于4-6区间，平均值是5；7年属于7-9区间，平均值是(1+5)/2=3，和你要的结果一致。

灵活调整 #

• 如果你想要区间的最晚年份作为YearAvg，只需要把计算逻辑改成：

  full_df[, YearAvg := min(year) + (floor((year - min(year))/interval_length)+1)*interval_length - 1, by = country]
  

• 当区间内只有1年有数据时，mean(Data, na.rm=TRUE)会直接返回该年的数值，完美满足你的需求

内容的提问来源于stack exchange，提问作者Jens