R：如何过滤/子集日期序列

Posted 2023-02-27

【中文标题】R：如何过滤/子集日期序列

【英文标题】：R: How to filter/subset a sequence of dates

【发布时间】：2015-04-04 19:42:34

【问题描述】：

我有这些数据：（12 月完成）

      date     sessions
1   2014-12-01  1932
2   2014-12-02  1828
3   2014-12-03  2349
4   2014-12-04  8192
5   2014-12-05  3188
6   2014-12-06  3277

并且需要对其进行子集化/过滤，例如从“2014-12-05”到“2014-12-25”

我知道您可以使用运算符“:”创建序列。

示例：b

但是如何过滤一个序列？我试过这个

NewDate <- filter(Dates, date("2014-12-05":"2014-12-12"))

但是说：

错误：出现意外符号：“NewDate

【问题讨论】：

这能回答你的问题吗？ Subset a dataframe between 2 dates

【参考方案1】：

你可以使用subset

生成您的样本数据：

temp<-
read.table(text="date     sessions
2014-12-01  1932
2014-12-02  1828
2014-12-03  2349
2014-12-04  8192
2014-12-05  3188
2014-12-06  3277", header=T)

确保它是日期格式：

temp$date <- as.Date(temp$date, format= "%Y-%m-%d")

temp



 #        date sessions
 # 1 2014-12-01     1932
 # 2 2014-12-02     1828
 # 3 2014-12-03     2349
 # 4 2014-12-04     8192
 # 5 2014-12-05     3188
 # 6 2014-12-06     3277

使用subset：

subset(temp, date> "2014-12-03" & date < "2014-12-05")

给出：

  #        date sessions
  # 4 2014-12-04     8192

你也可以使用[]:

temp[(temp$date> "2014-12-03" & temp$date < "2014-12-05"),]

【讨论】：

这很简单，谢谢！我想我太累了，我只是让我的头脑变得比实际更难......

【参考方案2】：

如果你想使用dplyr，你可以试试这样的。

mydf <- structure(list(date = structure(c(16405, 16406, 16407, 16408, 
16409, 16410), class = "Date"), sessions = c(1932L, 1828L, 2349L, 
8192L, 3188L, 3277L)), .Names = c("date", "sessions"), row.names = c("1", 
"2", "3", "4", "5", "6"), class = "data.frame")

# Create date object
mydf$date <- as.Date(mydf$date) 

filter(mydf, between(date, as.Date("2014-12-02"), as.Date("2014-12-05")))

#If you avoid using `between()`, the code is simpler.

filter(mydf, date >= "2014-12-02", date <= "2014-12-05")
filter(mydf, date >= "2014-12-02" & date <= "2014-12-05")

#        date sessions
#1 2014-12-02     1828
#2 2014-12-03     2349
#3 2014-12-04     8192
#4 2014-12-05     3188

【讨论】：

我认为逻辑条件是&，但看起来, 有效。这对我来说是新事物。谢谢。

@akrun 看起来两者都很好，不是吗？我在来自 User 的 Hadley 的 dplyr 教程 pdf 中看到了这两个版本！ 2014. 我将发布两个版本。我对between 的行为有点疑惑。我想知道为什么需要再次使用as.Date。

同样的原因 seq.Date(as.Date(x1),as.Date(x2),by="years") 需要它 - 您需要处理 Date 对象以便数据匹配。

@thelatemail 这个例子让我明白了。非常感谢。 :)

@akrun 一如既往的快乐。 data.table 中的 between 似乎节省了一些输入。

【参考方案3】：

使用data.table的选项

 library(data.table)
 setDT(df)[date %between% c('2014-12-02', '2014-12-05')]
 #         date sessions
 #1: 2014-12-02     1828
 #2: 2014-12-03     2349
 #3: 2014-12-04     8192
 #4: 2014-12-05     3188

即使“日期”是“字符”列，这也应该有效

 df$date <- as.character(df$date)
 setDT(df)[date %between% c('2014-12-02', '2014-12-05')]
 #       date sessions
 #1: 2014-12-02     1828
 #2: 2014-12-03     2349
 #3: 2014-12-04     8192
 #4: 2014-12-05     3188

如果我们想要排除范围的子集

  setDT(df)[between(date, '2014-12-02', '2014-12-05', incbounds=FALSE)]
  #         date sessions
  #1:  2014-12-03     2349
  #2:  2014-12-04     8192

数据

 df <-  structure(list(date = structure(c(16405, 16406, 16407, 16408, 
 16409, 16410), class = "Date"), sessions = c(1932L, 1828L, 2349L, 
 8192L, 3188L, 3277L)), .Names = c("date", "sessions"), row.names = c("1", 
 "2", "3", "4", "5", "6"), class = "data.frame")

【讨论】：

我一直在寻找最快的日期过滤选项以在ggplot::geom_xxxx(data=DT[]) 中使用。快速研究表明这将是最快的选择：在性能方面使用 %between% 或 between() 是否重要？它在内部使用 as.Date() 吗？我在做什么：'ggplot(DT, aes(date, y_var)) + geom_step() + geom_step(data = DT[,DATE %in% ymd("2017-02-01"):ymd("2017- 10-31"),] , aes(date, yvar), col='black', size=1.6 )' 这只是为了突出当前（2017）年线：“黑色”和更大的尺寸。

@Dan 如果您使用来自data.table 的between，即between(x, lower, upper, incbounds=TRUE)# x %between% y

%between% 是否将日期字符转换为真实日期？使用 data.table 的 %between% 和使用 lubridate 的 %within% 有什么区别？

【参考方案4】：

与lubridate，

mydates <- interval(start = "2014-12-05", end = "2014-12-25")
NewDate <- Dates[which(date %within% mydates),]

【讨论】：

你不需要which。

不同意。 Which 索引符合条件的行并返回其中的一个子集。否则，子集索引是 TRUE/FALSE 的向量，但 NA 行既不是 T 也不是 F，因此将所有 NA 行返回到结果。

你是对的。有趣的。我认为子集只会返回 TRUE，而不是不返回 FALSE（因为 NA 也是合乎逻辑的）。我猜我使用dplyr 太多了。在filter 中使用它不会返回 NA。谢谢。