R语言与格式、日期格式、格式转化

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：

as.numeric	转化为数值型
as.logic	转化为逻辑型
as.complex	转化为复数型
as.character	转化为字符型
as.array	转化为数组
as.data.frame	转化为数据框

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(’2005-4-19 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。

19:15.

显示为：2011/1/1 19:15

as.Date('23-2013-1',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

格式	意义
%d	月份中当的天数
%m	月份，以数字形式表示
%b	月份，缩写
%B	月份，完整的月份名，指英文
%y	年份，以二位数字表示
%Y	年份，以四位数字表示

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

解读：比如今天，unclass之后，代表今天2016-06-06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("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("2011-07-01")
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-06-2016"

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] "2016"
> format(as.POSIXlt(today),format="%Y")
[1] "2016"
> format(as.POSIXct(today),format="%Y")
[1] "2016"

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("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

19:15.

后来换成“2011/1/1”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$b,format="%d.%m.%Y")) #错，读出来都是NA
as.Date(a$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$birthdate),timeformat)

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。

2、字符型——strsplit

先转化为字符型，然后进行分割。

data.frame(sapply(as.character(data$birthdate),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("2013-06-01", "2013-07-08", "2013-09-01", "2013-09-15")) #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] "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) 

来源于R语言︱数据集分组、筛选

———————————————————————————————

可参考博客：

1、http://www.cnblogs.com/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=30
t<-ts(1:n,frequency=1,start=as.Date("2010-01-09"))

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2012年为例，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+1
b=a*a
print(difftime(Sys.time(), t1, units = 'sec'))
}

先预设当前时间，然后用difftime+print方式，循环输出。

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~

———————————————————————————