R语言按年份季节分组计算均值及日期转换问题解决

你的代码运行失败是两个基础格式问题导致的：

• 原始日期是日-月-年结构（比如8-1-2015代表2015年1月8日），调用as.Date()时没有指定匹配的格式参数，R默认按年-月-日的规则解析，根本没有把Date列转换成真正的日期类型，后续提取月份、年份的操作都是在原始文本字符串上运行，自然无法生成正确的Month列，Year列也会直接返回原始日期字符串，和你贴出的异常输出完全一致。
• 指标列N用逗号作为小数点分隔符，读入后默认是文本类型，不做转换的话无法计算均值。

先做数据格式校正，再做季节分组统计：

# 1. 按实际的日-月-年格式转换日期类型
df1$Date <- as.Date(df1$Date, format = "%d-%m-%Y")

# 2. 转换N列为数值类型（替换逗号小数点为点）
df1$N <- as.numeric(gsub(",", ".", df1$N))

# 3. 提取4位完整年份、月份数值（%y是2位年份，容易混淆，不推荐使用）
df1$Year <- format(df1$Date, format = "%Y")
df1$Month_num <- as.numeric(format(df1$Date, format = "%m"))

# 4. 按月份匹配季节，可根据你研究区的季节划分规则调整月份范围
df1$Season <- ifelse(df1$Month_num %in% c(3,4,5), "春季",
                ifelse(df1$Month_num %in% c(6,7,8), "夏季",
                ifelse(df1$Month_num %in% c(9,10,11), "秋季", "冬季")))

# 5. 分组计算各年各季节的指标均值
# 方法1：基础R实现，无需安装额外包
seasonal_mean <- aggregate(N ~ Location + Year + Season, data = df1, FUN = mean, na.rm = TRUE)

# 方法2：dplyr实现，代码可读性更高（需先安装加载dplyr）
# install.packages("dplyr")
# library(dplyr)
# seasonal_mean <- df1 %>%
#   group_by(Location, Year, Season) %>%
#   summarise(mean_N = mean(N, na.rm = TRUE), .groups = "drop")

• 冬季年份匹配：上述代码默认12月归属当年冬季，如果你需要把12月和下一年1、2月归为同一年的冬季（比如2015年12月、2016年1-2月算2016年冬季），在季节匹配前加一行校正代码即可：

  df1$Year <- ifelse(df1$Month_num == 12, as.character(as.numeric(df1$Year)+1), df1$Year)
  

• 读入优化：如果是用read.csv读入原始数据，直接加参数dec=","，就可以自动识别逗号为小数点，不用单独转换N列格式。
• 格式校验：日期转换完成后可以先运行head(df1)查看前几行结果，确认日期、数值转换没有生成NA再做后续统计。

内容的提问来源于stack exchange，提问作者Francis