R语言如何合并同一列中Id对应的相同日期数据行

问题原因 #

1. 你使用dplyr代码仅返回一行汇总结果，核心是包冲突导致：同时加载plyr和dplyr包时，如果plyr加载顺序在后，会覆盖dplyr的summarize()函数，使得分组逻辑失效，直接返回全局聚合结果。
2. 第二种aggregate方法不符合需求的原因是仅按Id单维度分组，没有同时按Id+日期双维度分组，自然每个Id仅返回一条结果，丢失多日期数据。

解决方案 #

dplyr实现（推荐） #

library(dplyr)

# 1. 先处理原始数据
final_df <- notimesw %>%
  ungroup() %>% # 清除原始数据自带的分组规则，避免干扰
  mutate(date = as.Date(date)) %>% # 统一日期格式，避免字符串格式差异导致分组错误
  group_by(Id, date) %>% # 按Id+日期双维度分组，仅合并同Id同日期的行
  dplyr::summarise(
    WeightPounds = mean(WeightPounds, na.rm = TRUE),
    TotalSleepRecords = mean(TotalSleepRecords, na.rm = TRUE),
    TotalMinutesAsleep = mean(TotalMinutesAsleep, na.rm = TRUE),
    .groups = "drop" # 汇总后自动取消分组，避免后续操作异常
  ) %>%
  # 把全NA分组返回的NaN替换为NA，符合常规使用习惯
  mutate(across(where(is.numeric), ~ifelse(is.nan(.), NA, .)))

注：代码中加dplyr::前缀指定调用dplyr的summarise函数，彻底避免包冲突问题

Base R aggregate实现 #

# 先统一日期格式
notimesw$date <- as.Date(notimesw$date)

final_df_agg <- aggregate(
  . ~ Id + date,
  data = notimesw,
  FUN = function(x) mean(x, na.rm = TRUE),
  na.action = na.pass # 保留所有分组，避免某列全为NA的分组被丢弃
)

# 替换NaN为NA
final_df_agg[sapply(final_df_agg, is.nan)] <- NA

两种方法执行后，都会保留所有Id+日期的唯一组合，仅合并同一Id同一日期下的多条数据，完全符合需求。

内容的提问来源于stack exchange，提问作者arobbie jammer