编辑：时间

Question

我有一个带有日期列和其他一些值列的数据框。我想从数据框中提取日期列与预先存在的日期列表中的任何元素匹配的行。例如，使用一个元素的列表，日期“2012-01-01”将从数据框中提取日期为“2012-01-01”的行。

对于数字，我想我知道如何匹配这些值。这段代码：

testdf <- data.frame(mydate = seq(as.Date('2012-01-01'), 
                                  as.Date('2012-01-10'), by = 'day'),
                     col1 = 1:10,
                     col2 = 11:20,
                     col3 = 21:30)

...生成此数据框：

       mydate col1 col2 col3
1  2012-01-01    1   11   21
2  2012-01-02    2   12   22
3  2012-01-03    3   13   23
4  2012-01-04    4   14   24
5  2012-01-05    5   15   25
6  2012-01-06    6   16   26
7  2012-01-07    7   17   27
8  2012-01-08    8   18   28
9  2012-01-09    9   19   29
10 2012-01-10   10   20   30

我可以这样做：

testdf[which(testdf$col3 %in% c('25','29')),]

产生这个：

      mydate col1 col2 col3
5 2012-01-05    5   15   25
9 2012-01-09    9   19   29

我可以将其概括为这样的列表：

myvalues <- c('25','29')
testdf[which(testdf$col3 %in% myvalues),]

我得到了相同的输出。所以我原本以为我能用相同的方法来约会，但看来我错了。这样做：

testdf[which(testdf$mydate %in% c('2012-01-05','2012-01-09')),]

给我这个：

[1] mydate col1   col2   col3  
<0 rows> (or 0-length row.names)

在他们自己的列表中弹出日期 - 这是最终目标 - 也无济于事。我可以通过循环或应用函数来思考这个方法，但在我看来，对于可能是相当常见的要求，必须有一种更简单的方法。难道我再次忽略了一些简单的事情吗？

问：如何对具有日期列的数据框的那些行进行子集，这些日期列的值与日期列表中的一个匹配？

Answer 1

您必须使用string将日期Date转换为as.Date变量（在控制台尝试?as.Date）。奖金：你可以放弃哪个：

> testdf[testdf$mydate %in% as.Date(c('2012-01-05', '2012-01-09')),]
      mydate col1 col2 col3
5 2012-01-05    5   15   25
9 2012-01-09    9   19   29

Answer 2

到目前为止，这两个建议肯定都很好，但是如果你要做很多关于日期的工作，你可能想花一些时间来使用xts包：

# Some sample data for 90 consecutive days 
set.seed(1)
testdf <- data.frame(mydate = seq(as.Date('2012-01-01'), 
                                  length.out=90, by = 'day'),
                     col1 = rnorm(90), col2 = rnorm(90),
                     col3 = rnorm(90))

# Convert the data to an xts object
require(xts)
testdfx = xts(testdf, order.by=testdf$mydate)

# Take a random sample of dates
testdfx[sample(index(testdfx), 5)]
#                   col1        col2        col3
# 2012-01-17 -0.01619026  0.71670748  1.44115771
# 2012-01-29 -0.47815006  0.49418833 -0.01339952
# 2012-02-05 -0.41499456  0.71266631  1.51974503
# 2012-02-27 -1.04413463  0.01739562 -1.18645864
# 2012-03-26  0.33295037 -0.03472603  0.27005490

# Get specific dates
testdfx[c('2012-01-05', '2012-01-09')]
#                 col1      col2       col3
# 2012-01-05 0.3295078  1.586833  0.5210227
# 2012-01-09 0.5757814 -1.224613 -0.4302118

您还可以从其他矢量中获取日期。

# Get dates from another vector
lookup = c("2012-01-12", "2012-01-31", "2012-03-05", "2012-03-19")
testdfx[lookup]
testdfx[lookup]
#                   col1        col2       col3
# 2012-01-12  0.38984324  0.04211587  0.4020118
# 2012-01-31  1.35867955 -0.50595746 -0.1643758
# 2012-03-05 -0.74327321 -1.48746031  1.1629646
# 2012-03-19  0.07434132 -0.14439960  0.3747244

xts包会为您提供智能的子集选项。例如，testdfx["2012-03"]将返回3月份的所有数据; testdfx["2012"]将返回一年; testdfx["/2012-02-15"]会将数据从数据集的开头返回到2月15日;并且testdfx["2012-02-15/"]将从2月15日到数据集的末尾。

Answer 3

或者您可以反过来讨论@RYogi建议的内容并将Date转换为字符串：

testdf[as.character(testdf$mydate) %in% c('2012-01-05', '2012-01-09'),]
      mydate col1 col2 col3
5 2012-01-05    5   15   25
9 2012-01-09    9   19   29

编辑：时间

将日期转换为字符串稍微快一点，但它并没有什么区别：

library(rbenchmark)
benchmark(asDate=testdf[testdf$mydate %in% as.Date(c('2012-01-05', '2012-01-09')),],
  asString=testdf[as.character(testdf$mydate) %in% c('2012-01-05', '2012-01-09'),], 
  replications=1000)

#     test replications elapsed relative user.self sys.self user.child
# 1   asDate         1000   0.211 1.076531     0.212        0          0
# 2 asString         1000   0.196 1.000000     0.192        0          0
#  sys.child
# 1         0
# 2         0

R：使用日期列表作为过滤器来子集数据帧

3 个答案:

编辑：时间