25

我有一个包含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那些行。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)

...产生这个数据框：

       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

我可以做这个：

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

我可以将其概括为如下列表：

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

我得到相同的输出。所以我原以为我可以对日期使用相同的方法，但看来我错了。这样做：

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

得到我这个：

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

并且在他们自己的列表中弹出日期 - 这是最终目标 - 也无济于事。我可以想办法用循环或应用函数来解决这个问题，但在我看来，对于可能相当普遍的要求，必须有一种更简单的方法。是不是我又忽略了一些简单的事情？

问：如何子集具有日期列且其值与日期列表之一匹配的数据框的那些行？

4

3 回答 3

25

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

> 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
于 2012-07-13T05:26:51.893 回答
11

到目前为止，这两个建议都非常好，但是如果您要在日期方面做很多工作，您可能需要花一些时间来使用该xts软件包：

# 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

您还可以从另一个向量获取日期。

# 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

该xts软件包将为您提供智能子集选项。例如，testdfx["2012-03"]将返回 3 月以来的所有数据；testdfx["2012"]将返回这一年；testdfx["/2012-02-15"]将从数据集开始到 2 月 15 日的数据返回；并将testdfx["2012-02-15/"]从 2 月 15 日到数据集结束。

于 2012-07-13T07:44:48.060 回答
3

或者您可以反过来按照@RYogi 的建议将其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 Date 转换为字符串稍微快一些，但实际上并没有什么区别：

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
于 2012-07-13T05:36:32.997 回答