是否存在R函数可对时间序列数据聚合计算月度平均值？

你需要按「月份」和「部门」两个维度分组，对各数值采集列计算平均值，聚合时会自动跳过NA值。以下是两种常用场景的实现方案：

方案1：Python Pandas 实现 #

import pandas as pd

# 读取原数据，替换为你实际的读取方式，比如read_excel、read_parquet等
df = pd.read_csv('你的原数据路径.csv')

# 1. 将Timestamp列转为标准时间格式
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

# 2. 提取月份作为分组字段
df['month'] = df['Timestamp'].dt.to_period('M')

# 3. 按月份+部门分组求平均值，自动跳过NA值
monthly_avg = df.groupby(['month', 'Department'], as_index=False)[['Value1', 'Value2']].mean()

# 可选操作：如果需要把汇总结果追加回原表
## 先给汇总结果补全时间格式，统一用每月第一天作为月度数据的时间戳
# monthly_avg['Timestamp'] = pd.to_datetime(monthly_avg['month'].astype(str) + '-01 00:00:00')
# final_df = pd.concat([df, monthly_avg.drop('month', axis=1)], ignore_index=True)

# 导出结果
monthly_avg.to_csv('月度汇总结果.csv', index=False)

以你给出的样例数据计算，1970年1月采购部（Procurement）的Value1月度平均值为0.25，Value2月度平均值为0.55，和预期计算结果一致。

方案2：SQL 实现（以MySQL为例） #

如果数据存储在关系型数据库中，可直接用SQL语句聚合得到结果：

SELECT 
    DATE_FORMAT(`Timestamp`, '%Y-%m') AS `month`,
    `Department`,
    AVG(`Value1`) AS `avg_Value1`,
    AVG(`Value2`) AS `avg_Value2`
FROM 你的表名
GROUP BY `month`, `Department`
ORDER BY `month`, `Department`;

SQL的AVG函数会自动忽略NULL（对应你表中的NA），无需额外处理。如果需要将结果写入新表，可在语句开头加CREATE TABLE 月度汇总表 AS 即可。

内容的提问来源于stack exchange，提问作者Ummsen