如何用R对多数据框列表按标识合并并计算行均值？

我有不同日期的高速路轮廓数据，需要计算月均速度并最终得到年均速度。目前已经用以下R脚本读取了目录下5个CSV文件，生成了包含5个数据框的列表：

# 读取速度数据
temp = list.files(pattern="*.csv")   #将目录下所有csv文件存入列表
list2env(
  lapply(setNames(temp, make.names(gsub("*.csv$", "", temp))), 
         read.csv), envir = .GlobalEnv)

# 将当前工作空间中的所有数据框存入列表:
rm(cbinded_df)
df_list = lapply(ls(), get)

所有数据框都包含40752条记录和6个字段，示例数据如下：

> head(export_route_contours_2019.01.01_2019.01.03)
  vehicle_type              time    link_id link_name offset_mi length_mi source_id avg_speed units
1          all Jan 01 2019 00:00 1049879368 I-405 (N)     0.000     0.042 106+04417      68.1   mph
2          all Jan 01 2019 00:00 1049879363 I-405 (N)     0.042     0.044 106+04417      67.8   mph
3          all Jan 01 2019 00:00 1049879364 I-405 (N)     0.086     0.145 106+04417      67.8   mph
4          all Jan 01 2019 00:00   28428436 I-405 (N)     0.231     0.021 106+04418      71.3   mph
5          all Jan 01 2019 00:00  835598783 I-405 (N)     0.252     0.015 106+04418      71.3   mph
6          all Jan 01 2019 00:00  835598784 I-405 (N)     0.267     0.052 106+04418      71.3   mph

核心需求：

• 创建含40752条记录的合并数据框，存储各数据框avg_speed的平均值
• 用循环或全局函数高效实现，避免逐个列出数据框名称
• 以link_id与length_mi的组合作为记录标识符，确保路段数据正确关联

方法1：dplyr + purrr高效处理（推荐） #

直接通过列表操作数据，避免污染全局环境，代码简洁易维护：

library(dplyr)
library(purrr)

# 跳过list2env，直接读取CSV到列表（更规范）
temp <- list.files(pattern = "*.csv")
df_list <- map(temp, read.csv)

# 合并所有数据框并计算分组均值
avg_speed_df <- df_list %>%
  # 给每个数据框添加来源文件名（可选，用于溯源）
  imap(~ mutate(.x, source_file = .y)) %>%
  # 合并所有数据框
  bind_rows() %>%
  # 按路段标识分组，计算平均速度
  group_by(link_id, length_mi, vehicle_type, link_name, offset_mi, source_id, units) %>%
  summarise(avg_speed_mean = mean(avg_speed, na.rm = TRUE), .groups = "drop")

方法2：基础R实现（无需第三方包） #

如果不想加载额外包，用基础R函数完成：

# 读取CSV到列表
temp <- list.files(pattern = "*.csv")
df_list <- lapply(temp, read.csv)

# 提取所需字段并合并成大数据框
combined_df <- do.call(rbind, lapply(df_list, function(df) {
  df[, c("link_id", "length_mi", "vehicle_type", "link_name", "offset_mi", "source_id", "units", "avg_speed")]
}))

# 计算分组平均速度
avg_speed_df <- aggregate(avg_speed ~ link_id + length_mi + vehicle_type + link_name + offset_mi + source_id + units, 
                          data = combined_df, 
                          FUN = function(x) mean(x, na.rm = TRUE))
# 重命名均值列
names(avg_speed_df)[names(avg_speed_df) == "avg_speed"] <- "avg_speed_mean"

封装为可重复调用的函数 #

针对你需要处理12个月及多路段的需求，封装函数可快速复用：

calculate_avg_speed <- function(csv_dir = getwd()) {
  setwd(csv_dir)
  temp <- list.files(pattern = "*.csv")
  df_list <- lapply(temp, read.csv)
  
  # 合并数据并提取关键字段
  combined_df <- do.call(rbind, lapply(df_list, function(df) {
    df[, c("link_id", "length_mi", "vehicle_type", "link_name", "offset_mi", "source_id", "units", "avg_speed")]
  }))
  
  # 计算均值
  avg_speed_df <- aggregate(avg_speed ~ link_id + length_mi + vehicle_type + link_name + offset_mi + source_id + units, 
                            data = combined_df, 
                            FUN = function(x) mean(x, na.rm = TRUE))
  names(avg_speed_df)[names(avg_speed_df) == "avg_speed"] <- "avg_speed_mean"
  
  return(avg_speed_df)
}

# 使用示例：传入CSV文件所在目录路径
# monthly_avg <- calculate_avg_speed("path/to/your/monthly/csvs")

关键注意点 #

• 避免使用list2env将数据框放入全局环境，直接用列表处理更整洁，也不会造成环境变量混乱
• 用link_id + length_mi作为分组键，确保每个路段的记录精准关联
• 添加na.rm = TRUE处理可能的缺失值，防止计算出错
• 封装的函数可直接应用于不同月份的CSV目录，重复操作效率更高

内容的提问来源于stack exchange，提问作者Minna