R語言與格式、日期格式、格式轉(zhuǎn)化

R語言的基礎包中提供了兩種類型的時間數(shù)據(jù)，一類是Date日期數(shù)據(jù)，它不包括時間和時區(qū)信息，另一類是POSIXct/POSIXlt類型數(shù)據(jù)，其中包括了日期、時間和時區(qū)信息。基本總結(jié)如下：

日期data，存儲的是天；
時間POSIXct 存儲的是秒，POSIXlt 打散，年月日不同；
日期-時間=不可運算。

一般來講，R語言中建立時序數(shù)據(jù)是通過字符型轉(zhuǎn)化而來，但由于時序數(shù)據(jù)形式多樣，而且R中存貯格式也是五花八門，例如Date/ts/xts/zoo/tis/fts等等。lubridate包（后續(xù)有介紹，應用四），timeDate包，都有用。

常見的格式：

[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    d<-as.character(z) #將數(shù)值向量z<-(0:9)轉(zhuǎn)化為字符向量c("0", "1", "2", ..., "9")。    
    as.integer(d)         #將d轉(zhuǎn)化為數(shù)值向量    
    e <- numeric()     #產(chǎn)生一個numeric型的空向量e    
    a=data.frame(a)  #變成R的數(shù)據(jù)框    
    factor()               #變成因子  可以用levels()來看因子個數(shù)    

在data.frame中，是可以實現(xiàn)數(shù)據(jù)集重命名的，比如data.frame(x=iris,y=cars)，

也可以實現(xiàn)橫向、縱向重命名，data.frame(x=iris,y=cars,row.names=iris)

——————————————————————————————————————————

后續(xù)加更內(nèi)容

應用1——如何通過生日計算年齡
應用2——日期分組
應用三——生成按天的時間序列并進行回歸
應用四：靈活處理時間數(shù)據(jù)—lubridate包（來源TipDM）
應用五：如何在循環(huán)、函數(shù)中，輸出實時時間消耗？

——————————————————————————————————————————
時間的標準格式

mydate = as.POSIXlt(’2005-4-19 7:01:00’)
names(mydate)

默認情況下，日期之前是以/或者-進行分隔，而時間則以：進行分隔；

輸入的標準格式為：日期 時間（日期與時間中間有空隔隔開）

時間的標準格式為：時:分 或者 時:分:秒；

如果輸入的格式不是標準格式，則同樣需要使用strptime函數(shù)，利用format來進行指定。

——————————————————————————————————————————

一、日期型數(shù)據(jù)——data
1、as.Data函數(shù)

在R中自帶的日期形式為：as.Date();以數(shù)值形式存儲；

對于規(guī)則的格式，則不需要用format指定格式；如果輸入的格式不規(guī)則，可以通過format指定的格式讀入；其中以1970-01-01定義為第0天，之后的年份會以距離這天來計算。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > x<-as.Date("1970-01-01")   
    > unclass(x)   
    [1] 0  
    >   
    > unclass(as.Date("1970-02-01")) #19700201代表第31天  
    [1] 31  

代碼解讀：unclass可以將日期變成以天來計數(shù)，比如1970-02-01輸出的31，就代表著距離1970-01-01有31天。

as.data中的參數(shù)格式：年-月-日或者年/月/日；如果不是以上二種格式，則會提供錯誤——錯誤于charTo按照Date(x) : 字符串的格式不夠標準明確；

例如這樣的數(shù)據(jù)格式，就常常報錯。

19:15.
   顯示為：2011/1/1 19:15

[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    as.Date('23-2013-1',format='%d-%Y-%m')    
    #其中這個%d%Y可以節(jié)選其中一個  
    #%Y%y  大寫代表年份四位數(shù)，小寫代表年份二位數(shù)，要注意 

2、%d%y%m-基本格式

格式

意義

%d
   
月份中當?shù)奶鞌?shù)

%m
   
月份，以數(shù)字形式表示

%b
   
月份，縮寫

%B
   
月份，完整的月份名，指英文

%y
  
年份，以二位數(shù)字表示

%Y
   
年份，以四位數(shù)字表示

#其它日期相關函數(shù)
weekdays（）取日期對象所處的周幾；
months（）取日期對象的月份；
quarters（）取日期對象的季度。

————————————————————————————————————————

二、時間型——POSIXct與POSIXlt

POSIXct 是以1970年1月1號開始的以秒進行存儲，如果是負數(shù)，則是1970-01-01年以前；正數(shù)則是1970年以后。
POSIXlt 是以列表的形式存儲：年、月、日、時、分、秒，作用是打散時間；

1、POSIXlt 格式

主要特點：作用是打散時間，把時間分成年、月、日、時、分、秒，并進行存儲。

可以作為時間篩選的一種。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > 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"  

代碼解讀：unclass將時間打散。

2、POSIXct 格式

主要特點：以秒進行存儲。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > today<-Sys.time()  
    > today  
    [1] "2016-06-06 20:42:22 CST"  
    > unclass(as.POSIXct(today))  
    [1] 1465216942  

解讀：比如今天，unclass之后，代表今天2016-06-06距離1970-01-01為1465216942秒。

#GMT代表時區(qū)，德意志時間，CST也代表時區(qū)
———————————————————————————————————————

三、時間運算

1、基本運算函數(shù)

Sys.Date()                 #字符串類型

typeof(Sys.Date())   #系統(tǒng)日期類型

2、直接加減

相同的格式才能相互減，不能加。二進列的+法對"Date"、"POSIXt"對象不適用。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > as.Date("2011-07-01") - as.Date(today)  
    Time difference of -1802 days  
    > as.POSIXct(today)-as.POSIXct(as.Date("2012-10-25 01:00:00"))  
    Time difference of 1320.529 days  
    > as.POSIXlt(today)-as.POSIXlt(as.Date("2012-10-25 01:00:00"))  
    Time difference of 1320.529 days 

相互減之后，一般結(jié)果輸出的天數(shù)。

3、difftime函數(shù)——計算時差

不同格式的時間都可以進行運算。并且可以實現(xiàn)的是計算兩個時間間隔：秒、分鐘、小時、天、星期。

但是不能計算年、月、季度的時間差。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    gtd <- as.Date("2011-07-01")   
    difftime(as.POSIXct(today), gtd, units="hours")    #只能計算日期差，還可以是“secs”, “mins”, “hours”, “days”  

4、format函數(shù)——提取關鍵信息

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > today<-Sys.time()  
    > format(today,format="%B-%d-%Y")  
    [1] "六月-06-2016"  

format函數(shù)可以將時間格式，調(diào)節(jié)成指定時間樣式。format(today,format="%Y")其中的format可以自由調(diào)節(jié)，獲取你想要的時間信息。

并且format函數(shù)可以識別as.Data型以及POSIXct與POSIXlt型，將其日期進行提取與之后要討論的split類型。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > today<-Sys.time()  
    > format(as.Date(today),format="%Y")  
    [1] "2016"  
    > format(as.POSIXlt(today),format="%Y")  
    [1] "2016"  
    > format(as.POSIXct(today),format="%Y")  
    [1] "2016"  

但是format出來的時間不能直接做減法，會出現(xiàn)錯誤： non-numeric argument to binary operator

5、strptime函數(shù)

該函數(shù)是將字符型時間轉(zhuǎn)化為 "POSIXlt" 和"POSIXct"兩類。跟format比較相似。

strptime之后的時間是可以直接做減法，因為直接是"POSIXlt" 和"POSIXct"格式了。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > strptime("2006-01-08 10:07:52", "%Y-%m-%d")-strptime("2006-01-15 10:07:52", "%Y-%m-%d")  
    Time difference of -7 days  
    > class(strptime("2006-01-08 10:07:52", "%Y-%m-%d"))  
    [1] "POSIXlt" "POSIXt" 

———————————————————————————————————————
四、遇見的問題

1、常常報錯。

錯誤于charTo按照Date(x) : 字符串的格式不夠標準明確。這個錯誤經(jīng)常出現(xiàn)，我本來的數(shù)據(jù)格式是

19:15.
后來換成“2011/1/1”這樣的就不會報錯了，需要數(shù)據(jù)庫自動改變。

[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    #幾種錯誤匯總  
    dtV<-data.frame(as.POSIXct(a$b,format="%d.%m.%Y")) #錯，讀出來都是NA  
    as.Date(a$b, "%Y年%m月%d日")  #錯，讀不出來  
    as.POSIXct(strptime(a$b, "%Y-%m-%d"))  #讀不出來  
      
    #轉(zhuǎn)化成xts格式也讀不出來  
    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))  
    #錯  
      
    #轉(zhuǎn)化成數(shù)值型也不對  
    c=as.numeric(sales[,2])  

2、excel另存為csv時發(fā)生的錯誤。

一位網(wǎng)友說：我以前是在excel里另存為csv格式，百度上說CSV檔如果以EXCEL開啟，由于計算機檔案數(shù)據(jù)轉(zhuǎn)換的原因，會將其CRC之數(shù)值改做科學記號方式儲存，而造成檔案中的 CRC值發(fā)生錯誤。

——————————————————————————————————————————————————
應用1——如何通過生日計算年齡

1、format函數(shù)

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    timeformat<-function(x){  
      format(as.POSIXct(x),format="%Y")  
    }  
    sapply(as.Date(data$birthdate),timeformat)  

format只能一個一個操作，可以先寫成函數(shù)，然后計算得出年份，之后用如今的年份相減得到年齡。

2、字符型——strsplit

先轉(zhuǎn)化為字符型，然后進行分割。

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    data.frame(sapply(as.character(data$birthdate),function(x){strsplit(x,"-")[[1]][1]}))  

注意，其中strsplit中的"-"，根據(jù)具體時間格式情況來定義。

——————————————————————————————————————————————————
應用2——日期分組

一種按照日期范圍——例如按照周、月、季度或者年——對其進行分組的超簡便處理方式：R語言的cut()函數(shù)。

假設vector中存在以下示例數(shù)據(jù)：
[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    vDates <- as.Date(c("2013-06-01", "2013-07-08", "2013-09-01", "2013-09-15")) #as.Data()函數(shù)的作用非常重要；如果沒有它，R語言會認為以上內(nèi)容僅僅是數(shù)字串而非日期對象  
     [1] "2013-06-01" "2013-07-08" "2013-09-01" "2013-09-15"   
    vDates.bymonth <- cut(vDates, breaks = "month")   
    [1] 2013-06-01 2013-07-01 2013-09-01 2013-09-01  
    Levels: 2013-06-01 2013-07-01 2013-08-01 2013-09-01  
    Dates <- data.frame(vDates, vDates.bymonth)   

來源于R語言︱數(shù)據(jù)集分組、篩選

應用三——生成按天的時間序列并進行回歸

如果是生成簡單的年度，月度數(shù)據(jù)，ts函數(shù)可以滿足，但是如果生成的是每天。因為有閏年緣故，所以zoo包可以很好地解決這個問題。

還有筆者在做一個簡單的時間序列回歸時候，疑惑：

做關于時間序列的ols最小二乘法回歸方程，按年來好說，但是如果是按天，如果進行計算呢？

   1、把天變成一排規(guī)律遞增的數(shù)字來代替；

   2、ts函數(shù)變化之后，也是變成一個遞增的數(shù)字。

以上兩種，做的結(jié)果都一樣，所以沒有什么太大的區(qū)別。

關于ts函數(shù)by day每一天的時間序列生成，該如何呢？

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    n=30  
    t<-ts(1:n,frequency=1,start=as.Date("2010-01-09"))  

生成一個按天的時間序列。
——————————————————————————————————————————————————
應用四：靈活處理時間數(shù)據(jù)—lubridate包（來源TipDM）

lubridate包是由Garrett Grolemund 和 Hadley Wickham寫的，可以靈活地處理時間數(shù)據(jù)。lubridate包主要有兩類函數(shù)，一類是處理時點數(shù)據(jù)（time instants），另一類是處理時段數(shù)據(jù)（time spans）。

1、時點類函數(shù)

主要包括解析、抽取、修改。

2、時段類函數(shù)

可以處理三類對象，分別是：

interval：最簡單的時段對象，它由兩個時點數(shù)據(jù)構(gòu)成。

duration：去除了時間兩端的信息，純粹以秒為單位計算時段的長度，不考慮閏年和閏秒，它同時也兼容基本包中的difftime類型對象。

period：以較長的時鐘周期來計算時段長度，它考慮了閏年和閏秒，適用于長期的時間計算。以2012年為例，duration計算的一年是標準不變的365天，而period計算的一年就會變成366天。

有了時點和時段數(shù)據(jù)，就可以進行各種計算了。

3、時區(qū)信息

lubridate包提供了三個函數(shù)：

tz：提取時間數(shù)據(jù)的時區(qū)

with_tz：將時間數(shù)據(jù)轉(zhuǎn)換為另一個時區(qū)的同一時間

force_tz：將時間數(shù)據(jù)的時區(qū)強制轉(zhuǎn)換為另一個時區(qū)

——————————————————————————————————————————————————
應用五：如何在循環(huán)、函數(shù)中，輸出實時時間消耗？

      想知道循環(huán)中進行到哪里？這樣可以合理安排函數(shù)進程。那么怎么辦呢？

      第一辦法：使用Rstudio 1.0版本，里面有一個Profiling with profvis，可以很好的對你函數(shù)每一步的耗時進行參看。

R︱Rstudio 1.0版本嘗鮮（R notebook、下載鏈接、sparkR、代碼時間測試profile）

當然，這個不能實時輸出內(nèi)容。

      第二辦法：利用difftime函數(shù)

[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    t1 = Sys.time()  
    for (i in 1:5){  
    a=a+1  
    b=a*a  
    print(difftime(Sys.time(), t1, units = 'sec'))  
    } 
      先預設當前時間，然后用difftime+print方式，循環(huán)輸出。
—————————————————————————————————
應用六：因子型數(shù)據(jù)轉(zhuǎn)化為數(shù)值型

因子型轉(zhuǎn)化的時候會發(fā)現(xiàn)，譬如10000這個數(shù)字，會變?yōu)?，也就是因子型里面對應的次序，這樣并不是我們想要的。所以，可以先變?yōu)樽址蚢s.character：
[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    as.numeric(as.character(data))