如何在R中按日期对多变量计算每日均值并保留标识字段？

我来帮你搞定这个需求——按id、city和日期分组，计算temperature、pressure这类变量的每日均值，同时保留关键的分组信息。下面给你两种实用的解决方案，分别适配不同的数据规模：

方法一：用dplyr（语法直观，适合中小数据量） #

dplyr的链式语法很容易理解，配合lubridate处理时间会更顺手，适合日常分析场景：

# 先加载需要的包
library(dplyr)
library(lubridate)

# 你的示例数据
data <- data.frame(
  "id" = c(1,1, 3,3,5,5), 
  "city" = c("new_york", "new_york", "london", "london", "barcelona", "barcelona"), 
  "temperature" = c(15, 16, 13, 12, 30, 32), 
  "pressure" = c(1000, 1003, 980, 998, 1013, 1015), 
  "time" = c("2015-01-01 06:30:00","2015-01-01 18:30:00", 
             "2015-02-10 07:00:00", "2015-02-10 20:30:00", 
             "2015-04-08 08:00:00", "2015-04-08 12:00:00"),
  stringsAsFactors = FALSE
)

# 计算每日均值的核心代码
daily_avg <- data %>%
  # 把字符型的time转成日期时间格式，再提取纯日期
  mutate(date = as_date(time)) %>%
  # 按id、city、日期分组
  group_by(id, city, date) %>%
  # 自动对所有数值列计算均值（不用手动列每一列，适合你有更多变量的情况）
  summarise(across(where(is.numeric), mean), .groups = "drop") %>%
  # 把date列重命名为time，匹配你要的输出格式
  rename(time = date)

# 查看结果
print(daily_avg)

代码细节说明： #

• across(where(is.numeric), mean)会自动识别所有数值列并计算均值，不管你后续加多少列（比如precipitation）都不用改这行
• .groups = "drop"是为了分组后取消分组状态，避免后续操作出现不必要的警告
• 如果只想计算特定列（比如只算temperature和pressure），可以把across(where(is.numeric), mean)改成across(c(temperature, pressure), mean)

方法二：用data.table（效率拉满，适合大数据量） #

如果你的实际数据有几十万甚至上百万行，data.table的速度会比dplyr快很多，非常适合处理大规模数据集：

# 加载data.table包
library(data.table)

# 把普通data.frame转成data.table格式
setDT(data)

# 计算每日均值
daily_avg_dt <- data[, 
                     # 对指定列计算均值，同时提取日期
                     c(lapply(.SD, mean), .(date = as.Date(time))),
                     # 分组依据：id、city和日期
                     by = .(id, city, date = as.Date(time)),
                     # 指定要计算均值的列：所有数值列
                     .SDcols = sapply(data, is.numeric)] %>%
  # 调整列顺序，和你期望的输出一致
  setcolorder(c("id", "city", "temperature", "pressure", "date")) %>%
  # 重命名date为time
  setnames("date", "time")

# 查看结果
print(daily_avg_dt)

代码细节说明： #

• .SDcols = sapply(data, is.numeric)指定只对数值列计算均值，同样支持自动识别新增的变量
• by参数直接指定分组键，语法简洁高效
• 如果要处理缺失值，可以在mean里加上na.rm = TRUE，比如lapply(.SD, function(x) mean(x, na.rm = TRUE))

最终输出结果 #

两种方法都会得到和你期望完全一致的输出：

id     city temperature pressure       time
1  1 new_york        15.5    1001.5 2015-01-01
2  3   london        12.5     989.0 2015-02-10
3  5 barcelona        31.0    1014.0 2015-04-08

内容的提问来源于stack exchange，提问作者Nicolas