版权声明:博主原创文章,微信公众号:素质云笔记,转载请注明来源“素质云博客”,谢谢合作!! /sinat_26917383/article/details/50677065
每每以为攀得众山小,可、每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~
R语言的基础包中提供了两种类型的时间数据,一类是Date日期数据,它不包括时间和时区信息,另一类是POSIXct/POSIXlt类型数据,其中包括了日期、时间和时区信息。基本总结如下:
日期data,存储的是天;
时间POSIXct 存储的是秒,POSIXlt 打散,年月日不同;
日期-时间=不可运算。
一般来讲,R语言中建立时序数据是通过字符型转化而来,但由于时序数据形式多样,而且R中存贮格式也是五花八门,例如Date/ts/xts/zoo/tis/fts等等。lubridate包(后续有介绍,应用四),timeDate包,都有用。
常见的格式:
d<-as.character(z) #将数值向量z<-(0:9)转化为字符向量c("0", "1", "2", ..., "9")。 as.integer(d) #将d转化为数值向量 e <- numeric()#产生一个numeric型的空向量e a=data.frame(a) #变成R的数据框 factor()#变成因子 可以用levels()来看因子个数
在data.frame中,是可以实现数据集重命名的,比如data.frame(x=iris,y=cars),
也可以实现横向、纵向重命名,data.frame(x=iris,y=cars,row.names=iris)
——————————————————————————————————————————
后续加更内容
应用1——如何通过生日计算年龄
应用2——日期分组
应用三——生成按天的时间序列并进行回归
应用四:灵活处理时间数据—lubridate包(来源TipDM)
应用五:如何在循环、函数中,输出实时时间消耗?——————————————————————————————————————————
时间的标准格式
mydate = as.POSIXlt(’-4-19 7:01:00’)
names(mydate)
默认情况下,日期之前是以/或者-进行分隔,而时间则以:进行分隔;
输入的标准格式为:日期 时间(日期与时间中间有空隔隔开)
时间的标准格式为:时:分 或者 时:分:秒;
如果输入的格式不是标准格式,则同样需要使用strptime函数,利用format来进行指定。
——————————————————————————————————————————
一、日期型数据——data
1、as.Data函数
在R中自带的日期形式为:as.Date();以数值形式存储;
对于规则的格式,则不需要用format指定格式;如果输入的格式不规则,可以通过format指定的格式读入;其中以1970-01-01定义为第0天,之后的年份会以距离这天来计算。
> x<-as.Date("1970-01-01") > unclass(x) [1] 0> > unclass(as.Date("1970-02-01")) #19700201代表第31天[1] 31
代码解读:unclass可以将日期变成以天来计数,比如1970-02-01输出的31,就代表着距离1970-01-01有31天。
as.data中的参数格式:年-月-日或者年/月/日;如果不是以上二种格式,则会提供错误——错误于charTo按照Date(x) : 字符串的格式不够标准明确;
例如这样的数据格式,就常常报错。
显示为:/1/1 19:15
as.Date('23--1',format='%d-%Y-%m') #其中这个%d%Y可以节选其中一个#%Y%y 大写代表年份四位数,小写代表年份二位数,要注意
2、%d%y%m-基本格式
#其它日期相关函数
weekdays()取日期对象所处的周几;
months()取日期对象的月份;
quarters()取日期对象的季度。
————————————————————————————————————————
二、时间型——POSIXct与POSIXlt
POSIXct 是以1970年1月1号开始的以秒进行存储,如果是负数,则是1970-01-01年以前;正数则是1970年以后。
POSIXlt 是以列表的形式存储:年、月、日、时、分、秒,作用是打散时间;
1、POSIXlt 格式
主要特点:作用是打散时间,把时间分成年、月、日、时、分、秒,并进行存储。
可以作为时间筛选的一种。
> today<-Sys.time()> unclass(as.POSIXlt(today))$sec[1] 53.27151 $min[1] 38 $hour[1] 20 $mday[1] 6 $mon[1] 5 $year[1] 116 $wday[1] 1 $yday[1] 157 $isdst[1] 0 $zone[1] "CST" $gmtoff[1] 28800 attr(,"tzone")[1] "" "CST" "CDT"
代码解读:unclass将时间打散。
2、POSIXct 格式
主要特点:以秒进行存储。
> today<-Sys.time()> today[1] "-06-06 20:42:22 CST"> unclass(as.POSIXct(today))[1] 1465216942
解读:比如今天,unclass之后,代表今天-06-06距离1970-01-01为1465216942秒。
#GMT代表时区,德意志时间,CST也代表时区
————————————————————————————————————————
三、时间运算
1、基本运算函数
Sys.Date() #字符串类型
typeof(Sys.Date()) #系统日期类型
2、直接加减
相同的格式才能相互减,不能加。二进列的+法对"Date"、"POSIXt"对象不适用。
> as.Date("-07-01") - as.Date(today)Time difference of -1802 days> as.POSIXct(today)-as.POSIXct(as.Date("-10-25 01:00:00"))Time difference of 1320.529 days> as.POSIXlt(today)-as.POSIXlt(as.Date("-10-25 01:00:00"))Time difference of 1320.529 days
相互减之后,一般结果输出的天数。
3、difftime函数——计算时差
不同格式的时间都可以进行运算。并且可以实现的是计算两个时间间隔:秒、分钟、小时、天、星期。
但是不能计算年、月、季度的时间差。
gtd <- as.Date("-07-01") difftime(as.POSIXct(today), gtd, units="hours") #只能计算日期差,还可以是“secs”, “mins”, “hours”, “days”
4、format函数——提取关键信息
> today<-Sys.time()> format(today,format="%B-%d-%Y")[1] "六月-06-"
format函数可以将时间格式,调节成指定时间样式。format(today,format="%Y")其中的format可以自由调节,获取你想要的时间信息。
并且format函数可以识别as.Data型以及POSIXct与POSIXlt型,将其日期进行提取与之后要讨论的split类型。
> today<-Sys.time()> format(as.Date(today),format="%Y")[1] ""> format(as.POSIXlt(today),format="%Y")[1] ""> format(as.POSIXct(today),format="%Y")[1] ""
但是format出来的时间不能直接做减法,会出现错误:non-numeric argument to binary operator
5、strptime函数
该函数是将字符型时间转化为"POSIXlt" 和"POSIXct"两类。跟format比较相似。
strptime之后的时间是可以直接做减法,因为直接是"POSIXlt" 和"POSIXct"格式了。
> strptime("-01-08 10:07:52", "%Y-%m-%d")-strptime("-01-15 10:07:52", "%Y-%m-%d")Time difference of -7 days> class(strptime("-01-08 10:07:52", "%Y-%m-%d"))[1] "POSIXlt" "POSIXt"
————————————————————————————————————————
四、遇见的问题
1、常常报错。
错误于charTo按照Date(x) : 字符串的格式不够标准明确。这个错误经常出现,我本来的数据格式是
后来换成“/1/1”这样的就不会报错了,需要数据库自动改变。
#几种错误汇总dtV<-data.frame(as.POSIXct(a$b,format="%d.%m.%Y")) #错,读出来都是NAas.Date(a$b, "%Y年%m月%d日") #错,读不出来as.POSIXct(strptime(a$b, "%Y-%m-%d")) #读不出来
#转化成xts格式也读不出来
install.packages(“xts”)
library(xts)
as.xts(read.zoo(“time.csv”,header=T))
a <- as.xts(a, descr=‘my new xts object’)
as.xts(read.zoo(“a.csv”,header=T))
#错
#转化成数值型也不对
c=as.numeric(sales[,2])
2、excel另存为csv时发生的错误。
一位网友说:我以前是在excel里另存为csv格式,百度上说CSV档如果以EXCEL开启,由于计算机档案数据转换的原因,会将其CRC之数值改做科学记号方式储存,而造成档案中的 CRC值发生错误。
——————————————————————————————————————————————————
应用1——如何通过生日计算年龄
1、format函数
timeformat<-function(x){format(as.POSIXct(x),format="%Y")}sapply(as.Date(data < s p a n c l a s s = " h l j s − a t t r " > b i r t h d a t e < / s p a n > ) , < s p a n c l a s s = " h l j s − a t t r " > t i m e f o r m a t < / s p a n > ) < / s p a n > < / d i v > < / d i v > < / l i > < / o l > < / c o d e > < d i v c l a s s = " h l j s − b u t t o n " d a t a − t i t l e = " 复 制 " > < / d i v > < / p r e > < b r > < p > < / p > < p > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > f o r m a t 只 能 一 个 一 个 操 作 , 可 以 先 写 成 函 数 , 然 后 计 算 得 出 年 份 , 之 后 用 如 今 的 年 份 相 减 得 到 年 龄 。 < / s p a n > < / p > < p > < / p > < p > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > < b r > < / s p a n > < / p > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > < b r > < / s p a n > < h 2 > < a n a m e = " t 23 " > < / a > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > 2 、 字 符 型 — — s t r s p l i t < / s p a n > < / h 2 > < p > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > < b r > < / s p a n > < / p > < p > < s p a n s t y l e = " f o n t − f a m i l y : ′ M i c r o s o f t Y a H e i ′ ; f o n t − s i z e : 14 p x ; " > 先 转 化 为 字 符 型 , 然 后 进 行 分 割 。 < / s p a n > < / p > < p > < / p > < p r e o n c l i c k = " h l j s . c o p y C o d e ( e v e n t ) " > < c o d e c l a s s = " l a n g u a g e − h t m l h l j s x m l " > d a t a . f r a m e ( s a p p l y ( a s . c h a r a c t e r ( d a t a <span class="hljs-attr">birthdate</span>),<span class="hljs-attr">timeformat</span>)</span></div></div></li></ol></code><div class="hljs-button" data-title="复制"></div></pre><br><p></p><p><span style="font-family:'Microsoft YaHei';font-size:14px;">format只能一个一个操作,可以先写成函数,然后计算得出年份,之后用如今的年份相减得到年龄。</span></p><p></p><p><span style="font-family:'Microsoft YaHei';font-size:14px;"><br></span></p><span style="font-family:'Microsoft YaHei';font-size:14px;"><br></span><h2><a name="t23"></a><span style="font-family:'Microsoft YaHei';font-size:14px;">2、字符型——strsplit</span></h2><p><span style="font-family:'Microsoft YaHei';font-size:14px;"><br></span></p><p><span style="font-family:'Microsoft YaHei';font-size:14px;">先转化为字符型,然后进行分割。</span></p><p></p><pre onclick="hljs.copyCode(event)"><code class="language-html hljs xml">data.frame(sapply(as.character(data <spanclass="hljs−attr">birthdate</span>),<spanclass="hljs−attr">timeformat</span>)</span></div></div></li></ol></code><divclass="hljs−button"data−title="复制"></div></pre><br><p></p><p><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;">format只能一个一个操作,可以先写成函数,然后计算得出年份,之后用如今的年份相减得到年龄。</span></p><p></p><p><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;"><br></span></p><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;"><br></span><h2><aname="t23"></a><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;">2、字符型——strsplit</span></h2><p><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;"><br></span></p><p><spanstyle="font−family:′MicrosoftYaHei′;font−size:14px;">先转化为字符型,然后进行分割。</span></p><p></p><preonclick="hljs.copyCode(event)"><codeclass="language−htmlhljsxml">data.frame(sapply(as.character(databirthdate),function(x){strsplit(x,"-")[[1]][1]}))
注意,其中strsplit中的"-",根据具体时间格式情况来定义。
——————————————————————————————————————————————————
应用2——日期分组
一种按照日期范围——例如按照周、月、季度或者年——对其进行分组的超简便处理方式:R语言的cut()函数。
假设vector中存在以下示例数据:
vDates <- as.Date(c(“-06-01”, “-07-08”, “-09-01”, “-09-15”)) #as.Data()函数的作用非常重要;如果没有它,R语言会认为以上内容仅仅是数字串而非日期对象 [1] “-06-01” “-07-08” “-09-01” “-09-15” vDates.bymonth <- cut(vDates, breaks = “month”) [1] -06-01 -07-01 -09-01 -09-01Levels: -06-01 -07-01 -08-01 -09-01Dates <- data.frame(vDates, vDates.bymonth)
来源于R语言︱数据集分组、筛选
———————————————————————————————
可参考博客:
1、/speeding/p/4060500.html
部分内容修改,来自CDA DSC课程,其中将日期格式进行区别。
———————————————————————————————
应用三——生成按天的时间序列并进行回归
如果是生成简单的年度,月度数据,ts函数可以满足,但是如果生成的是每天。因为有闰年缘故,所以zoo包可以很好地解决这个问题。
还有笔者在做一个简单的时间序列回归时候,疑惑:
做关于时间序列的ols最小二乘法回归方程,按年来好说,但是如果是按天,如果进行计算呢?
1、把天变成一排规律递增的数字来代替;
2、ts函数变化之后,也是变成一个递增的数字。
以上两种,做的结果都一样,所以没有什么太大的区别。
关于ts函数by day每一天的时间序列生成,该如何呢?
n=30t<-ts(1:n,frequency=1,start=as.Date(“-01-09”))
生成一个按天的时间序列。
——————————————————————————————————————————————————
应用四:灵活处理时间数据—lubridate包(来源TipDM)
lubridate包是由Garrett Grolemund 和 Hadley Wickham写的,可以灵活地处理时间数据。lubridate包主要有两类函数,一类是处理时点数据(time instants),另一类是处理时段数据(time spans)。
1、时点类函数
主要包括解析、抽取、修改。
2、时段类函数
可以处理三类对象,分别是:
interval:最简单的时段对象,它由两个时点数据构成。
duration:去除了时间两端的信息,纯粹以秒为单位计算时段的长度,不考虑闰年和闰秒,它同时也兼容基本包中的difftime类型对象。
period:以较长的时钟周期来计算时段长度,它考虑了闰年和闰秒,适用于长期的时间计算。以为例,duration计算的一年是标准不变的365天,而period计算的一年就会变成366天。
有了时点和时段数据,就可以进行各种计算了。
3、时区信息
lubridate包提供了三个函数:
tz:提取时间数据的时区
with_tz:将时间数据转换为另一个时区的同一时间
force_tz:将时间数据的时区强制转换为另一个时区
——————————————————————————————————————————————————
应用五:如何在循环、函数中,输出实时时间消耗?
想知道循环中进行到哪里?这样可以合理安排函数进程。那么怎么办呢?
第一办法:使用Rstudio 1.0版本,里面有一个Profiling with profvis,可以很好的对你函数每一步的耗时进行参看。
R︱Rstudio 1.0版本尝鲜(R notebook、下载链接、sparkR、代码时间测试profile)
当然,这个不能实时输出内容。
第二办法:利用difftime函数
t1 = Sys.time()for (i in 1:5){a=a+1b=a*aprint(difftime(Sys.time(), t1, units = ‘sec’))}
先预设当前时间,然后用difftime+print方式,循环输出。
—————————————————————————————————
应用六:因子型数据转化为数值型
因子型转化的时候会发现,譬如10000这个数字,会变为6,也就是因子型里面对应的次序,这样并不是我们想要的。所以,可以先变为字符型as.character:
as.numeric(as.character(data))