为啥 `as` 方法会删除向量名称，有没有办法解决它？

Posted 2023-02-25

【中文标题】为啥 `as` 方法会删除向量名称，有没有办法解决它？

【英文标题】：Why do `as` methods remove vector names, and is there a way around it?为什么 `as` 方法会删除向量名称，有没有办法解决它？

【发布时间】：2016-04-11 09:39:05

【问题描述】：

基本上，我试图保留一个名为 dates 的向量，该向量在我的分析中经常出现，比如 2016 年新年和 2015 年 7 月 4 日。我希望能够从中提取按名称而不是索引来表示稳健性，例如，dates["nyd"] 表示新年，dates["ind"] 表示 7 月 4 日。

我认为这很简单：

dates <- as.Date(c(ind = "2015-07-04", nyd = "2016-01-01"))

但是as.Date 已经去掉了名字：

dates
# [1] "2015-07-04" "2016-01-01"

不是Date 向量不能被命名（这很奇怪，因为它们基本上是专门解释的integers）：

setNames(dates, c("ind", "nyd"))
#          ind          nyd 
# "2015-07-04" "2016-01-01" 

不幸的是，没有办法直接声明Date 向量（据我所知？），尤其是在不知道日期的基础整数值的情况下。

探索一下，这似乎是as* 函数类的标准做法：

as.integer(c(a = "123", b = "436"))
# [1] 123 436

as(c(a = 1, b = 2), "character")
# [1] "1" "2"

出现这种情况有什么原因吗？ ?as 或我见过的任何其他帮助页面中都没有提到姓名丢失。

更一般地说，有没有办法（使用 as* 以外的其他方法）来确保对象的名称不会在转换中丢失？

当然，一种方法是编写像 as.Date.named 这样的自定义函数，或者创建一个带有关联方法的自定义类 as.named，但如果没有这样的东西，我会感到惊讶，因为看起来这样应该是很常见的操作了。

以防万一，我在 3.2.2 上。

【问题讨论】：

@thelatemail 我敢说这可能是 gasp 一个错误！？

@MichaelChirico 实际上POSIXlt2Date 忽略了其代码中的“名称”，但我想我们可以预期as.Date 的POSIXlt 和POSIXct 方法的行为相似；更令人惊讶的是看到as.Date(c(a = as.POSIXct(Sys.time())), tz = "UTC") VS as.Date(c(a = as.POSIXct(Sys.time())), tz = "GMT")。 ... ases... 都转换（除非我误解了您的第二条评论）因为 c(a = 1, b = 2) 是“数字”； as(, "character") 最终调用 as.character 这就是为什么“名称”丢失但我仍然认为我们可以期待相同的行为..？

我认为as.Date.POSIXlt 不应该删除这些名称。在这方面，所有as.Date 方法的行为都应该相同。你应该报告这个（可能值得一封措辞谨慎的电子邮件给 r-devel）。

@MichaelChirico 好吧，as.Date.character 在内部调用 as.Date.POSIXlt。 as.Date.numeric 保留名称。

如果目标是通过names 访问日期，将向量转换为list 会更好吗？ x <- list(ind = "2015-07-04", nyd = "2016-01-01")y <- lapply(x, as.Date)sapply(y,class)y["ind"]

【参考方案1】：

这不是问题的完整答案，但作为一种解决问题的方法，没有人提到 mode 函数。

vec <- c(a = "1", b = "2")
mode(vec) <- "integer"
vec
# returns:
# a b 
# 1 2 

我不确定你如何将它应用于日期：

vec <- c(a = "2010-01-01")
mode(vec) <- "POSIXlt"

给出了一些东西，但看起来不太对。

---

你也可以使用

sapply(vec, as.whatever)

这将保留名称。但是，我认为这会变慢，因为您失去了矢量化函数的优势。

---

第三，还有：

structure(as.whatever(vec), names = names(vec))

【讨论】：

因为使用as 方法，您正在更改对象的类型（例如，将字符更改为数字）。 mode 允许您在不丢失名称的情况下做到这一点，因此构成了问题中所要求的“绕过它”。简而言之，它给出了预期的结果，尽管不可否认，给定的带有日期的示例需要更多的工作。

这很有趣，因为理论上 mode<- 是 as 方法的包装器，它首先保存对象的属性，然后将它们返回给新转换的对象，它应该可以完美地工作。但在这种情况下，不知何故，attributes(new_Date_vector) <- attributes(old_character_vector) 操作将新的 Date 向量强制转换为整数向量！ （sapply 也会发生同样的事情）。

我必须承认我不熟悉 R 中的 POSIX 系统。对于我自己，我使用一个函数将日、月和年转换为整数（自 1899 年 12 月 30 日以来的天数），这是一致的使用（但优于）MS Excel。但是，这些解决方案是解决类型转换保留名称问题的一般方法。

刚刚注意到grep 完全符合structure(as.character(x), names = names(x)) 方法

【参考方案2】：

确实，不同的as.Date 方法存在差异，这就是原因（或者更确切地说是“如何”）：

首先，你的例子：

> as.Date(c(ind = "2015-07-04", nyd = "2016-01-01"))
[1] "2015-07-04" "2016-01-01"

这里我们使用方法as.Date.character:

> as.Date.character
function (x, format = "", ...) 

    charToDate <- function(x) 
        xx <- x[1L]
        if (is.na(xx)) 
            j <- 1L
            while (is.na(xx) && (j <- j + 1L) <= length(x)) xx <- x[j]
            if (is.na(xx)) 
                f <- "%Y-%m-%d"
        
        if (is.na(xx) || !is.na(strptime(xx, f <- "%Y-%m-%d", 
            tz = "GMT")) || !is.na(strptime(xx, f <- "%Y/%m/%d", 
            tz = "GMT"))) 
            return(strptime(x, f))
        stop("character string is not in a standard unambiguous format")
    
    res <- if (missing(format)) 
        charToDate(x)
    else strptime(x, format, tz = "GMT")
    as.Date(res)

<bytecode: 0x19d3dff8>
<environment: namespace:base>

无论是否给出格式，您的向量都会传递给strptime，后者将其转换为类POSIXlt，然后再次传递给as.Date，但这次使用方法as.Date.POSIXlt，即：

> as.Date.POSIXlt
function (x, ...) 
.Internal(POSIXlt2Date(x))
<bytecode: 0x19d2df50>
<environment: namespace:base>

意味着最终用于转换为 Date 类的函数是 POSIXlt2Date 调用的 C 函数（快速查看文件 names.c 表明该函数是文件 datetime.c 中的 do_POSIXlt2D）。供参考，这里是：

SEXP attribute_hidden do_POSIXlt2D(SEXP call, SEXP op, SEXP args, SEXP env)

    SEXP x, ans, klass;
    R_xlen_t n = 0, nlen[9];
    stm tm;

    checkArity(op, args);
    PROTECT(x = duplicate(CAR(args)));
    if(!isVectorList(x) || LENGTH(x) < 9)
    error(_("invalid '%s' argument"), "x");

    for(int i = 3; i < 6; i++)
    if((nlen[i] = XLENGTH(VECTOR_ELT(x, i))) > n) n = nlen[i];
    if((nlen[8] = XLENGTH(VECTOR_ELT(x, 8))) > n) n = nlen[8];
    if(n > 0) 
    for(int i = 3; i < 6; i++)
        if(nlen[i] == 0)
        error(_("zero-length component in non-empty \"POSIXlt\" structure"));
    if(nlen[8] == 0)
        error(_("zero-length component in non-empty \"POSIXlt\" structure"));
    
    /* coerce relevant fields to integer */
    for(int i = 3; i < 6; i++)
    SET_VECTOR_ELT(x, i, coerceVector(VECTOR_ELT(x, i), INTSXP));

    PROTECT(ans = allocVector(REALSXP, n));
    for(R_xlen_t i = 0; i < n; i++) 
    tm.tm_sec = tm.tm_min = tm.tm_hour = 0;
    tm.tm_mday  = INTEGER(VECTOR_ELT(x, 3))[i%nlen[3]];
    tm.tm_mon   = INTEGER(VECTOR_ELT(x, 4))[i%nlen[4]];
    tm.tm_year  = INTEGER(VECTOR_ELT(x, 5))[i%nlen[5]];
    /* mktime ignores tm.tm_wday and tm.tm_yday */
    tm.tm_isdst = 0;
    if(tm.tm_mday == NA_INTEGER || tm.tm_mon == NA_INTEGER ||
       tm.tm_year == NA_INTEGER || validate_tm(&tm) < 0)
        REAL(ans)[i] = NA_REAL;
    else 
        /* -1 must be error as seconds were zeroed */
        double tmp = mktime00(&tm);
        REAL(ans)[i] = (tmp == -1) ? NA_REAL : tmp/86400;
    
    

    PROTECT(klass = mkString("Date"));
    classgets(ans, klass);
    UNPROTECT(3);
    return ans;

不幸的是，我对 C 的理解太有限，无法知道为什么这里会丢失属性。我的猜测是它发生在 coerceVector 操作期间或 POSIXlt 列表的每个元素被单独强制转换为整数时（如果这是第 1268-70 行发生的情况）。

但是让我们看看另一个as.Date 方法，从主要的罪犯as.Date.POSIXct 开始：

> as.Date.POSIXct
function (x, tz = "UTC", ...) 

    if (tz == "UTC") 
        z <- floor(unclass(x)/86400)
        attr(z, "tzone") <- NULL
        structure(z, class = "Date")
    
    else as.Date(as.POSIXlt(x, tz = tz))

<bytecode: 0x19c268bc>
<environment: namespace:base>

有了这个，如果没有给出时区，或者时区是“UTC”，该函数只是操纵POSIXct列表来提取可以解析为日期对象的数据，因此不会丢失属性，但是如果给定了任何其他时区，则它会被转换为POSIXlt 对象，因此会进一步传递给相同的POSIXlt2Date 内部，最终会失去其属性！确实：

> as.Date(c(a = as.POSIXct("2016-01-01")), tz="UTC")
           a 
"2015-12-31" 

> as.Date(c(a = as.POSIXct("2016-01-01")), tz="CET")
[1] "2016-01-01"

最后，正如@Roland 提到的，as.Date.numeric 确实保留了这些属性：

> as.Date.numeric
function (x, origin, ...) 

    if (missing(origin)) 
        stop("'origin' must be supplied")
    as.Date(origin, ...) + x

<bytecode: 0x568943d4>
<environment: namespace:base>

origin通过as.Date.character转换为Date，然后加上numeric的向量，因此保留了属性：

> c(a=1) + 2
a 
3 

自然而然：

> c(a=16814) + as.Date("1970-01-01")
           a 
"2016-01-14"

在解决此差异之前，我认为，您必须保留属性的唯一解决方案是首先转换为 POSIXct（但要注意时区问题）或数字，或者复制原始属性向量：

> before <- c(ind = "2015-07-04", nyd = "2016-01-01")
> after <- as.Date(before)
> names(after) <- names(before)
> after
         ind          nyd 
"2015-07-04" "2016-01-01" 

【讨论】：

“POSIXlt”对象的“名称”设置在其“年份”组件上（参见names<-.POSIXlt）。当“POSIXlt”被传递给POSIXlt2Date 时，“年份”组件的“名称”属性没有明确的获取/设置。 coerceVector 似乎没有丢失“名称”（它的 R 等价物 as.sth 明确将“属性”设置为 NULL），所以，我猜，“名称”只是被忽略了吗？此外，可能值得注意的是，as.POSIXct.POSIXlt 确实获得了“POSIXlt”对象的“年份”组件的“名称”，以将其设置为其返回值，而 as.Date.POSIXlt 忽略它（两者都在 C和 R 代码）。

感谢您的详尽回答！似乎写一个通用的as.named 方法可能是值得的。剩下的问题是为什么会出现这种情况——只是“效率”？

@MichaelChirico 这可能只是一个疏忽。举报吧。

@Roland 文档（?as.vector 和 ?as.double，也许更多）都提到了名称的丢失，这表明这可能不是疏忽。反正我已经举报了。