R语言按diveNum分组计算象海豹潜水数据20秒间隔变量均值

现有方法问题说明 #

• openair::timeAverage()报错原因：该函数默认要求输入数据的时间列命名为date，你当前使用的时间列名为datetime，无法匹配导致抛出找不到变量的错误。
• period.apply()的局限：xts框架下的时间窗口函数原生不支持多维度分组，无法同时满足按diveNum、D_phase拆分的需求。
• split()拆分后无后续处理逻辑：拆分得到的单个潜水子集没有执行时间分箱、多列均值计算的步骤，自然无法得到预期结果。

可行解决方案 #

方案1：修正参数直接使用openair包 #

仅需将时间列重命名为date即可适配timeAverage()的要求，代码如下：

library(dplyr)
library(openair)

# 重命名时间列符合函数要求
seal_dives_rename <- seal_dives %>% rename(date = datetime)
# 执行分箱聚合
seal_20 <- timeAverage(
  seal_dives_rename,
  avg.time = "20 sec",
  data.thresh = 0,
  statistic = "mean",
  type = c("diveNum","D_phase"),
  fill = FALSE
)

方案2：使用tidyverse生态实现（更推荐） #

无需依赖特定包的命名规则，逻辑更透明可控，可灵活调整聚合规则：

library(dplyr)
library(lubridate)

seal_20 <- seal_dives %>%
  # 标准化时间列格式
  mutate(datetime = as.POSIXct(datetime, tz = "GMT")) %>%
  # 先按潜水编号、潜水阶段分组，避免跨组合并数据
  group_by(diveNum, D_phase) %>%
  # 生成20秒间隔的时间分箱标签
  mutate(time_bin = floor_date(datetime, unit = "20 seconds")) %>%
  # 结合分组维度和时间分箱二次分组
  group_by(diveNum, D_phase, time_bin) %>%
  # 计算指定变量均值，na.rm=TRUE自动跳过缺失值
  summarise(
    Depth_mean = mean(Depth, na.rm = TRUE),
    MSA_mean = mean(MSA, na.rm = TRUE),
    rate_s_mean = mean(rate_s, na.rm = TRUE),
    HR_mean = mean(HR, na.rm = TRUE),
    # 可选：保留分箱样本量用于结果校验
    n_samples = n(),
    .groups = "drop"
  )

该方案完全符合需求，不会跨diveNum和D_phase合并数据，每个输出行对应唯一的潜水编号、潜水阶段和20秒时间窗口。

内容的提问来源于stack exchange，提问作者Shawn68