R语言sf对象按空间点分组计算气温多年均值方法

未指定分组维度直接调用summarise()时，函数会对数据集全量记录做全局聚合，返回整表的统计结果，最终所有空间点都会得到完全相同的均值。
月尺度气温数据集属于典型长表结构时空数据：单个空间点对应480条（40年*12个月）时序记录，要得到每个点的独立均值，必须先按空间点的唯一标识拆分分组，再逐组做聚合计算。

• 预处理：确认空间点唯一标识
  如果你的sf数据集没有能区分每个独立空间点的ID列，先手动生成唯一ID，已有site_id/point_id这类标识列可跳过该步：

library(sf)
library(dplyr)

# 为每个空间点生成唯一标识
temp_sf <- temp_sf %>%
  mutate(point_uid = seq_len(n()))

• 分组聚合计算均值
  核心是先按点的唯一ID分组，再执行统计计算，聚合后会自动保留每个点对应的空间几何，不需要额外做几何关联：

temp_avg_sf <- temp_sf %>%
  group_by(point_uid) %>% # 按单个空间点分组，是得到逐点结果的核心
  summarise(
    AvgTMean = mean(tmean, na.rm = TRUE),
    AvgTMin = mean(TMin, na.rm = TRUE),
    AvgTMax = mean(TMax, na.rm = TRUE),
    .groups = "drop"
  )

• 必须加na.rm = TRUE参数：长时序月值数据普遍存在缺测，不加该参数时，只要某点的时序里存在1个缺失值，该点的均值就会返回NA
• 结果校验：聚合完成后，输出sf对象的行数应该和原始数据里的独立空间点总数完全一致，几何类型仍为POINT，不存在几何合并的情况
• 结果可直接用于交互式绘图：输出的temp_avg_sf是标准sf格式，可直接传入leaflet、mapview等包绘制气温空间分布地图，不需要额外做格式转换。

以下就是导致全点均值一致的错误写法，未分组直接聚合会返回全局均值+合并后的单个几何：

wrong_result <- temp_sf %>%
  summarise(
    AvgTMean = mean(tmean, na.rm = TRUE),
    AvgTMin = mean(TMin, na.rm = TRUE),
    AvgTMax = mean(TMax, na.rm = TRUE)
  )

该写法输出的结果只有1行记录，后续关联到所有空间点时，自然会出现全数据集均值完全一致的问题。

内容的提问来源于stack exchange，提问作者Ed_Gravy