Question

这是我的data.frame：

df = read.table(text = 'ID   Date
1      1975-01-01
2      1980-02-01
3      1985-05-01
4      1990-07-01
5      1990-08-01
6      1993-01-01
7      1993-09-01', header = TRUE)

我需要通过选择特定日期（年和月）来创建子集。

我感兴趣的日期是：

dates = c('1980-02', '1990-07', '1993-09')

因此我的输出应为：

ID     Date
2      1980-02-01
4      1990-07-01
7      1993-09-01

是否有可能编写一个从df和dates开始执行此操作的唯一代码，而无需手动添加代码中的日期？

由于

#### UPDATE

如果我在df内的同一个月内收到多个观察结果，例如：

，该怎么办？

df2 = read.table(text = 'ID   Date
1      1975-01-01
2      1980-02-01
9      1980-02-01
3      1985-05-01
4      1990-07-01
12     1990-07-01
16     1990-07-01
5      1990-08-01
6      1993-01-01
7      1993-09-01
67     1993-09-01', header = TRUE)

新输出：

ID     Date
2      1980-02-01
9      1980-02-01
4      1990-07-01
12     1990-07-01
16     1990-07-01
7      1993-09-01
67     1993-09-01

由于

Answer 1

您的日期格式为字符串，因此有些难以使用。通常，将它们格式化为实际日期对象会更好。这可以使用the lubridate package完成。这就是我要做的。我使用 readr 包进行自动类型检测，使用 purrr 进行函数式编程。

library(pacman)
p_load(lubridate, readr, purrr)

df = read_table(
'ID   Date
1      1975-01-01
2      1980-02-01
9      1980-02-01
3      1985-05-01
4      1990-07-01
12     1990-07-01
16     1990-07-01
5      1990-08-01
6      1993-01-01
7      1993-09-01
67     1993-09-01'
)

dates = parse_date_time(c('1980-02', '1990-07', '1993-09'), orders = "Y-m")

#subset
df[year(df$Date) %in% year(dates) & month(df$Date) %in% month(dates), ]

其输出为：

# A tibble: 7 × 2
     ID       Date
  <int>     <date>
1     2 1980-02-01
2     9 1980-02-01
3     4 1990-07-01
4    12 1990-07-01
5    16 1990-07-01
6     7 1993-09-01
7    67 1993-09-01

因此，我们按照您的方式加载数据，但是使用 readr 来自动识别日期。然后，我们将年份与dates对象中任何年份匹配的行进行子集化，并且月份与dates对象中的任何月份匹配。这给出了你想要的输出。

然而，也许你只想要你给出的组合。所以例如如果它出现在第2个月，那么1980年是可以的。如果是这样，它会有点复杂。这可以通过多种方式完成，但我选择了一种功能性方法。这不是执行速度最快的，但编写速度快且非常灵活。

#subset stricter
inclusion_func = function(x, desired_dates) {
  #loop over each date
  map_lgl(x, function(date) {
    any(map_lgl(desired_dates, function(desired_date) {
      year(date) == year(desired_date) && month(date) == month(desired_date)
    })
    )
  })
}

df[inclusion_func(df$Date, dates), ]

其输出相同：

# A tibble: 7 × 2
     ID       Date
  <int>     <date>
1     2 1980-02-01
2     9 1980-02-01
3     4 1990-07-01
4    12 1990-07-01
5    16 1990-07-01
6     7 1993-09-01
7    67 1993-09-01

该功能的作用是循环数据框中的每个日期，并循环每年/每月组合。然后检查该特定组合的年和月是否匹配。如果三种组合中的任何一种匹配（因此any），则返回该行的TRUE。

Answer 2

根据您分享的数据，Date列的类别是因素。我们将它们转换为Date类并提取月份和年份部分并将其与dates向量相匹配，以获得匹配的df行号。

df[match(dates, format(as.Date(df$Date), "%Y-%m")), ]  

#   ID       Date
#2  2 1980-02-01
#4  4 1990-07-01
#7  7 1993-09-01

根据更新的问题，如果我们有多个匹配日期，我们可以使用%in%，这会为您提供所需的输出。

df2[format(as.Date(df2$Date), "%Y-%m") %in% dates, ]

#   ID       Date
#2   2 1980-02-01
#3   9 1980-02-01
#5   4 1990-07-01
#6  12 1990-07-01
#7  16 1990-07-01
#10  7 1993-09-01
#11 67 1993-09-01

Answer 3

尝试

    S = sapply(dates, function(d) { grep(d, df[,2]) })
    df[S,]

Answer 4

正如@ eipi10在评论中所指出的那样：

df[df$Date %in% as.Date(paste0(dates,"-01")), ]

这对我更新的问题很有用。

由于

Answer 5

以下是一些解决方案。他们（i）与任何日期合作，而不仅仅是本月的第一个日期，（ii）保留输出中df2的顺序，（iii）紧凑，即每行一行，不需要多次提到df2。

1）substr 这不使用任何包。

subset(df2, substr(Date, 1, 7) %in% dates)

，并提供：

   ID       Date
2   2 1980-02-01
3   9 1980-02-01
5   4 1990-07-01
6  12 1990-07-01
7  16 1990-07-01
10  7 1993-09-01
11 67 1993-09-01

2）zoo :: as.yearmon 另一种可能性是将Date和dates转换为"yearmon"类，给出相同的结果。这段代码有点好，但需要一个包。

library(zoo)
subset(df2, as.yearmon(Date) %in% as.yearmon(dates))

data.frame中的子集特定日期（年和月）

5 个答案: