如何用dplyr处理E-OBS格点气温时序数据：年平均汇总及快速聚合？

嘿，针对你提出的两个问题，结合你手里从E-OBS提取的德国格点气温数据，我来给你详细解答：

首先看你的数据结构：每行对应一个格点（带地理坐标），列是15年的每日气温观测值——这种宽格式的数据需要先转换成长格式，才能让dplyr方便地按年份聚合。下面是具体步骤和代码：

1. 先加载需要的R包：dplyr用于数据操作，tidyr用于格式转换，readxl读取Excel文件，lubridate处理日期（可选但非常实用）
2. 读取你的Excel数据
3. 将宽格式转成长格式，提取每个日期对应的年份
4. 按格点坐标+年份分组，计算年平均气温

# 加载依赖包
library(dplyr)
library(tidyr)
library(readxl)
library(lubridate) # 处理日期的工具包，推荐使用

# 读取你的Excel表格数据
temp_data <- read_excel("德国格点气温数据.xlsx") # 替换成你的文件路径

# 把宽格式转换为长格式：每行对应一个格点的单日气温
long_temp_data <- temp_data %>%
  pivot_longer(
    cols = starts_with("20"), # 假设日期列以年份开头，比如"2008-01-01"
    names_to = "date_string", # 存储原列名（日期）
    values_to = "daily_temp" # 存储每日气温值
  ) %>%
  # 从日期字符串中提取年份，如果你的日期格式不是标准格式，这里需要调整
  mutate(year = year(as.Date(date_string)))

# 按格点坐标和年份分组，计算年平均气温
annual_avg_temp <- long_temp_data %>%
  group_by(lon, lat, year) %>% # 替换成你实际的坐标列名，比如"longitude"/"latitude"
  summarise(
    annual_average = mean(daily_temp, na.rm = TRUE), # 计算均值，忽略缺失值
    .groups = "drop" # 聚合后取消分组
  )

# 查看结果
head(annual_avg_temp)

注意事项： #

• 如果你的日期列名是儒略日格式（比如"2008_001"代表2008年第1天），可以这样提取年份和转换日期：

  mutate(
    year = substr(date_string, 1, 4),
    date = as.Date(paste0(year, "-01-01")) + days(as.numeric(substr(date_string, 6, 8)) - 1)
  )
  

• 记得用na.rm = TRUE处理可能存在的缺失值，避免计算结果为NA。

当然！dplyr本身就是为高效数据聚合设计的，结合tidyr的格式转换和lubridate的日期处理，完全可以轻松应对地表温度时序的聚合需求。下面是几个常用的实用工具和场景：

• group_by() + summarise()：这是最核心的组合，支持按任意维度（格点、年份、季节、月份等）分组，计算均值、总和、极值等统计量。比如你不仅可以算年平均，还能算月平均、季节平均：

  # 计算每个格点的季节平均气温
  seasonal_avg_temp <- long_temp_data %>%
    mutate(
      season = case_when(
        month(date_string) %in% 12:2 ~ "Winter",
        month(date_string) %in% 3:5 ~ "Spring",
        month(date_string) %in% 6:8 ~ "Summer",
        month(date_string) %in% 9:11 ~ "Autumn"
      )
    ) %>%
    group_by(lon, lat, year, season) %>%
    summarise(seasonal_average = mean(daily_temp, na.rm = TRUE), .groups = "drop")
  

• across()：如果你的数据包含多个气象变量（比如同时有最高温、最低温），可以用across()批量聚合：

  # 同时计算年平均最高温和最低温
  multi_var_avg <- long_temp_data %>%
    group_by(lon, lat, year) %>%
    summarise(
      across(c(daily_max_temp, daily_min_temp), ~mean(.x, na.rm = TRUE)),
      .groups = "drop"
    )
  

• slice_*()系列函数：快速提取每组的极值记录，比如找每个格点每年的最高温日期：

  annual_max_temp <- long_temp_data %>%
    group_by(lon, lat, year) %>%
    slice_max(daily_temp, n = 1) %>% # 取每组气温最高的1条记录
    .groups = "drop"
  

• 性能优化：如果你的数据量很大（比如扩展到更大区域或更长时间序列），dplyr的聚合速度非常高效，还可以结合filter()先筛选目标区域/年份，再聚合进一步提升速度。

总的来说，dplyr配合tidyr和lubridate，是处理时序气象数据的一套非常顺手的工具链。

内容的提问来源于stack exchange，提问作者user6070577