如何找到最高（最新）和最低（最早）日期 [R]

Posted 2023-02-22

技术标签:

【中文标题】如何找到最高（最新）和最低（最早）日期 [R]【英文标题】：How to find the highest (latest) and lowest (earliest) date [R] 【发布时间】：2011-05-22 03:09:53 【问题描述】：

我正在尝试将我的数据框中的两列转换为“良好”的日期和时间类，但到目前为止还没有取得太大的成功。我尝试了各种课程（timeDate、Date、timeSeries、POSIXct、POSIXlt）但没有成功。也许我只是忽略了显而易见的事情，因为我尝试了很多方法，我只是不知道什么是什么了。我希望你们中的一些人能阐明我哪里出错了。

目标：我想使用最早和最晚日期计算两个日期之间的差异。我使用head() 和tail() 进行了这项工作，但因为这些值不是我数据中最早和最晚日期的必要条件，所以我需要另一种方法。（我无法对数据进行排序，因为它仅在日期当天对数据进行排序。）

第二个目标：我想将日期从每日格式（即 8-12-2010）转换为每周、每月和每年的级别（即 '49-2010'、'december-10 '，只是 '2010'）。这可以通过格式设置（如%d-%m-%y）来完成。这可以通过将 data.frame 转换为时间类，然后将时间类转换为正确的格式 (8-12-2010 -> format("%B-%y") -> 'december-10')，然后将该时间类转换为具有每个月级别的因子来完成吗？

对于这两个目标，我需要以某种方式将日期帧转换为时间类，这就是我遇到一些困难的地方。

我的数据框如下所示：

> tradesList[c(1,10,11,20),14:15] -> tmpTimes4
> tmpTimes4
   EntryTime ExitTime
1   01-03-07 10-04-07
10  29-10-07 02-11-07
11  13-04-07 14-05-07
20  18-12-07 20-02-08

以下是我尝试过的总结：

> class(tmpTimes4)
[1] "data.frame"
> as.Date(head(tmpTimes4$EntryTimes, n=1), format="%d-%m-%y")
Error in as.Date.default(head(tmpTimes4$EntryTimes, n = 1), format = "%d-%m-%y") : 
  do not know how to convert 'head(tmpTimes4$EntryTimes, n = 1)' to class "Date"
> as.timeDate(tmpTimes4, format="%d-%m-%y")
Error in as.timeDate(tmpTimes4, format = "%d-%m-%y") : 
  unused argument(s) (format = "%d-%m-%y")
> timeSeries(tmpTimes4, format="%d-%m-%y")
Error in midnightStandard2(charvec, format) : 
  'charvec' has non-NA entries of different number of characters
> tmpEntryTimes4 <- timeSeries(tmpTimes4$EntryTime, format="%d-%m-%y")
> tmpExitTimes4 <- timeSeries(tmpTimes4$ExitTime, format="%d-%m-%y")
> tmpTimes5 <- cbind(tmpEntryTimes4,tmpExitTimes4)
> colnames(tmpTimes5) <- c("Entry","Exit")
> tmpTimes5
     Entry    Exit    
[1,] 01-03-07 10-04-07
[2,] 29-10-07 02-11-07
[3,] 13-04-07 14-05-07
[4,] 18-12-07 20-02-08
> class(tmpTimes5)
[1] "timeSeries"
attr(,"package")
[1] "timeSeries"
> as.timeDate(tmpTimes5, format="%d-%m-%y")
Error in as.timeDate(tmpTimes5, format = "%d-%m-%y") : 
  unused argument(s) (format = "%d-%m-%y")
> as.Date(tmpTimes5, format="%d-%m-%y")
Error in as.Date.default(tmpTimes5, format = "%d-%m-%y") : 
  do not know how to convert 'tmpTimes5' to class "Date"
> format.POSIXlt(tmpTimes5, format="%d-%m-%y", usetz=FALSE)
Error in format.POSIXlt(tmpTimes5, format = "%d-%m-%y", usetz = FALSE) : 
  wrong class
> as.POSIXlt(tmpTimes5, format="%d-%m-%y", usetz=FALSE)
Error in as.POSIXlt.default(tmpTimes5, format = "%d-%m-%y", usetz = FALSE) : 
  do not know how to convert 'tmpTimes5' to class "POSIXlt"
> as.POSIXct(tmpTimes5, format="%d-%m-%y", usetz=FALSE)
Error in as.POSIXlt.default(x, tz, ...) : 
  do not know how to convert 'x' to class "POSIXlt"

TimeDate 包有一个“范围”功能，但是，转换为 Date 类适用于单个实例，但由于某种原因不适用于数据框：

> as.Date(tmpTimes4[1,1], format="%d-%m-%y")
[1] "2007-03-01"
> as.Date(tmpTimes4, format="%d-%m-%y")
Error in as.Date.default(tmpTimes4, format = "%d-%m-%y") : 
  do not know how to convert 'tmpTimes4' to class "Date"

在这一点上，我几乎相信这是不可能的，所以任何想法都将受到高度赞赏！

问候，

【问题讨论】：

您可以使用dput(tmpTimes4) 在您的代码中提供准确的数据集使用。 @Marek：感谢您的回复！我不知道 dput，所以谢谢你的提示。 :) 【参考方案1】：

从一些虚拟数据开始：

start <- as.Date("2010/01/01")
end <- as.Date("2010/12/31")
set.seed(1)
datewant <- seq(start, end, by = "days")[sample(15)]
tmpTimes <- data.frame(EntryTime = datewant, 
                       ExitTime = datewant + sample(100, 15))
## reorder on EntryTime so in random order
tmpTimes <- tmpTimes[sample(NROW(tmpTimes)), ]
head(tmpTimes)

所以我们有这样的东西：

> head(tmpTimes)
    EntryTime   ExitTime
8  2010-01-14 2010-03-16
9  2010-01-05 2010-01-17
7  2010-01-10 2010-01-30
3  2010-01-08 2010-04-16
10 2010-01-01 2010-01-26
13 2010-01-12 2010-02-15

使用上述方法，查看目标 1，计算最早日期和最晚日期之间的差异。您可以将日期视为数字（这就是它们在内部存储的方式），因此 min() 和 max() 之类的函数将起作用。你可以使用difftime()函数：

> with(tmpTimes, difftime(max(EntryTime), min(EntryTime)))
Time difference of 14 days

或使用标准减法

> with(tmpTimes, max(EntryTime) - min(EntryTime))
Time difference of 14 days

以天为单位获得差异。 head() 和 tail() 仅在您对日期进行排序时才有效，因为它们采用向量中的第一个和最后一个值，而不是最高和最低的实际值。

目标 2：您似乎正在尝试将数据框转换为日期。你不能这样做。您可以做的是重新格式化数据框的组件中的数据。在这里，我通过将EntryTime 列重新格式化为几个不同的日期摘要来向tmpTimes 添加列。

tmpTimes2 <- within(tmpTimes, weekOfYear <- format(EntryTime, format = "%W-%Y"))
tmpTimes2 <- within(tmpTimes2, monthYear <- format(EntryTime, format = "%B-%Y"))
tmpTimes2 <- within(tmpTimes2, Year <- format(EntryTime, format = "%Y"))

给予：

> head(tmpTimes2)
    EntryTime   ExitTime weekOfYear    monthYear Year
8  2010-01-14 2010-03-16    02-2010 January-2010 2010
9  2010-01-05 2010-01-17    01-2010 January-2010 2010
7  2010-01-10 2010-01-30    01-2010 January-2010 2010
3  2010-01-08 2010-04-16    01-2010 January-2010 2010
10 2010-01-01 2010-01-26    00-2010 January-2010 2010
13 2010-01-12 2010-02-15    02-2010 January-2010 2010

如果您是美国人或想在一周开始时使用美国惯例（%W 从星期一开始一周，在美国惯例中是从星期日开始），请将 %W 更改为 @987654336 @。 ?strftime 有更多关于 %W 和 %U 代表的细节。

关于数据格式的最后一点：在上面我使用了标准 R 格式的日期。您将数据以非标准标记存储在数据框中，可能是字符或因子。所以你有类似的东西：

tmpTimes3 <- within(tmpTimes, 
                    EntryTime <- format(EntryTime, format = "%d-%m-%y"))
tmpTimes3 <- within(tmpTimes3, 
                    ExitTime <- format(ExitTime, format = "%d-%m-%y"))

> head(tmpTimes3)
   EntryTime ExitTime
8   14-01-10 16-03-10
9   05-01-10 17-01-10
7   10-01-10 30-01-10
3   08-01-10 16-04-10
10  01-01-10 26-01-10
13  12-01-10 15-02-10

您需要将这些字符或因素转换为 R 理解为日期的东西。我的首选是"Date" 类。在您对数据尝试上述答案之前，请将您的数据转换为正确的格式：

tmpTimes3 <- 
    within(tmpTimes3, 
           EntryTime <- as.Date(as.character(EntryTime), format = "%d-%m-%y")
           ExitTime <- as.Date(as.character(ExitTime), format = "%d-%m-%y")
           )

让你的数据看起来像这样：

> head(tmpTimes3)
    EntryTime   ExitTime
8  2010-01-14 2010-03-16
9  2010-01-05 2010-01-17
7  2010-01-10 2010-01-30
3  2010-01-08 2010-04-16
10 2010-01-01 2010-01-26
13 2010-01-12 2010-02-15
> str(tmpTimes3)
'data.frame':   15 obs. of  2 variables:
 $ EntryTime:Class 'Date'  num [1:15] 14623 14614 14619 14617 14610 ...
 $ ExitTime :Class 'Date'  num [1:15] 14684 14626 14639 14715 14635 ...

【讨论】：

哇，加文，非常感谢！你真的帮助了我，不仅仅是代码示例，还有优秀（清晰）的文本。再次感谢，我现在完全明白了，并且成功地计算了天数，转换了日期，并显示了每个时间段的结果。是的！ :) @Jura25：很高兴你发现它有用。确实，最小值和最大值适用于日期，但如果您的日期列中有任何 NA，请使用 na.rm=TRUE 例如星号 @PanchoMulongeni Date 变量中NA 的唯一原因是日期无效（即格式不正确，或日期不存在）。我不认为忽略这是一件好事，你应该调查为什么NAs 在那里。如果它们在那里是因为您没有记录日期，那么也要摆脱它们；如果您不知道日期，则数据无用。 @GavinSimpson。很好的答案。 "> with(tmpTimes, difftime(max(EntryTime), main(EntryTime))) 中的小错字 14 天的时差”认为应该是 min() 而不是 main()？【参考方案2】：

简答：

如果尚未完成，请转换为日期。

然后在列表中使用 min 和 max 日期。

date_list = structure(c(15401, 15405, 15405), class = "Date")
date_list
#[1] "2012-03-02" "2012-03-06" "2012-03-06"

min(date_list)
#[1] "2012-03-02"
max(date_list)
#[1] "2012-03-06"

【讨论】：

【参考方案3】：

更容易。在日期列上使用summary() 直接给出最小值和最大值等。示例：summary(df$date)

【讨论】：

这看起来更像是评论而不是答案

以上是关于如何找到最高（最新）和最低（最早）日期 [R]的主要内容，如果未能解决你的问题，请参考以下文章

如何在我的输入的每一行中获取最早日期和最早日期之间的天数

如果在 Excel 中的日期/时间范围内，则平均每日最高/最低温度