嘿，我来帮你搞定这个水温数据的计算需求！用data.table处理这类逐行运算简直是绝配，高效又简洁。咱们一步步来：

首先，先加载data.table包，并把你的data.frame转换成data.table对象：

library(data.table)
# 把df转成data.table
setDT(df)

计算层间水温差（WTC10、WTC20、WTC30） #

这三个指标是相邻水深的水温差，直接通过列的算术运算就能搞定，代码非常直观：

df[, `:=`(
  WTC10 = T5 - T15,  # 5米与15米的水温差
  WTC20 = T15 - T25, # 15米与25米的水温差
  WTC30 = T25 - T35  # 25米与35米的水温差
)]

这里用:=操作符直接在原data.table上新增列，避免额外复制数据，这也是data.table高效的核心原因之一。

计算水柱内连续列最大水温变化（MWTCC） #

MWTCC是相邻层水温变化的最大值，这里我默认取变化量的绝对值的最大值（如果你的需求是取最大的变化幅度，不管正负，这个逻辑完全适用）。我们可以直接结合pmax和绝对值函数实现逐行计算：

# 计算绝对值最大的变化幅度
df[, MWTCC := pmax(abs(T5-T15), abs(T15-T25), abs(T25-T35))]

如果你的MWTCC定义是取变化量本身的最大值（允许正负，比如最大的升温或降温幅度），那去掉abs()就行：

# 可选：如果MWTCC是变化量的最大值（含正负）
df[, MWTCC := pmax(T5-T15, T15-T25, T25-T35)]

完整代码示例 #

把所有步骤整合起来，运行后就能得到你需要的所有指标：

library(data.table)

# 你的原始数据
df <- data.frame(DateTime=c("2018-08-09 08:00:00","2018-08-09 09:00:00","2018-08-09 10:00:00","2018-08-09 11:00:00","2018-08-09 12:00:00","2018-08-09 13:00:00"), 
                 T5=c(14.5,18.4,21.3,27.8,16.5,21.5), 
                 T15=c(13.8,16.3,16.2,17.8,19.3,20.1), 
                 T25=c(16.0,17.2,18.3,15.9,21.4,17.3), 
                 T35=c(16.1,15.7,16.2,15.6,17.0,16.3))
df$DateTime <- as.POSIXct(df$DateTime, format="%Y-%m-%d %H:%M:%S",tz="UTC")

# 转成data.table
setDT(df)

# 计算所有指标（直接一次性完成，更高效）
df[, `:=`(
  WTC10 = T5 - T15,
  WTC20 = T15 - T25,
  WTC30 = T25 - T35,
  MWTCC = pmax(abs(T5-T15), abs(T15-T25), abs(T25-T35))
)]

# 查看结果
print(df)

运行后你会得到包含所有新增指标的data.table，每一行都对应原时间点的四个计算结果。

这种方法完全利用了data.table的原地修改和向量化运算特性，处理大规模逐小时数月数据时，比base R的apply或者dplyr的rowwise快很多，完美适配你的场景。

内容的提问来源于stack exchange，提问作者Dekike