R语言按Date分组计算DIC均值 新增Depth为100的数据行

核心规则回顾 #

• 以Date列为分组键，相同Date值归为一组
• 每组计算DIC列均值作为新行的DIC取值
• 新行Date和所属分组一致，Depth固定为100，最终追加到原数据框

方法1：Base R 实现（无第三方依赖） #

不需要额外安装包，直接运行即可：

# 加载示例数据
df<-structure(list(Date = c(18381L, 18381L, 18448L, 18448L, 18395L, 
                            18395L, 18402L, 18402L, 18409L), Depth = c(50L, 150L, 50L, 150L, 
                                                                       50L, 150L, 50L, 150L, 50L), DIC= c(2157L, 2150L, 2161L, 2154L,2144L, 2152L, 2123L, 2155L, 2137L)), class = "data.frame", row.names = c(NA,-9L))

# 按Date分组计算DIC均值，构造新行
new_rows <- aggregate(DIC ~ Date, data = df, FUN = mean)
new_rows$Depth <- 100
new_rows <- new_rows[, colnames(df)] # 对齐原数据列顺序

# 合并原数据与新行，按Date、Depth排序便于查看
final_df <- rbind(df, new_rows)
final_df <- final_df[order(final_df$Date, final_df$Depth), ]

运行后每个Date分组都会生成对应规则的新行，例如Date=18381分组的DIC均值为2153.5，对应新行记录为Date=18381, Depth=100, DIC=2153.5。如果需要DIC保持整数，可将均值计算部分改为FUN = function(x) round(mean(x))。

方法2：dplyr 实现（适合大数据量/tidyverse工作流） #

如果日常使用tidyverse生态处理数据，可使用更简洁的链式语法：

library(dplyr)

final_df <- df %>%
  group_by(Date) %>%
  # 按规则生成每组新行
  summarise(DIC = mean(DIC), Depth = 100, .groups = "drop") %>%
  select(all_of(colnames(df))) %>% # 对齐列顺序
  bind_rows(df, .) %>% # 追加到原数据
  arrange(Date, Depth) # 排序

内容的提问来源于stack exchange，提问作者Grg Lulu