R: Подстановка кадра данных с использованием списка дат в качестве фильтра

У меня есть кадр данных с столбцом даты и некоторыми другими столбцами значений. Я хотел бы извлечь из кадра данных те строки, в которых столбец даты соответствует любому из элементов в уже существующем списке дат. Например, используя список из одного элемента, дата "2012-01-01" выведет строку с датой "2012-01-01" из фрейма данных.

Для чисел, я думаю, я знаю, как соответствовать значениям. Этот код:

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)

... создает этот фрейм данных:

       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

Я могу это сделать:

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

который производит это:

      mydate col1 col2 col3
5 2012-01-05    5   15   25
9 2012-01-09    9   19   29

Я могу обобщить это на список следующим образом:

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

И я получаю тот же результат. Поэтому я подумал, что смогу использовать тот же подход для дат, но, похоже, я ошибался. Выполнение этого действия:

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

Получает это:

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

И появление дат в их собственном списке - это конечная цель - тоже не помогает. Я могу думать о том, как обойти это с помощью циклов или применения функции, но мне кажется, что должен быть более простой способ для того, что, вероятно, является довольно распространенным требованием. Неужели я снова пропустил что-то простое?

В: Как я могу подмножить те строки фрейма данных, у которых есть столбец даты, значения которого соответствуют одному из списка дат?

Ответ 1

Вам нужно преобразовать дату string в переменную Date, используя as.Date (попробуйте ?as.Date на консоли). Бонус: вы можете отказаться от того, что:

> 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

Ответ 2

Оба предложения до сих пор, безусловно, хороши, но если вы собираетесь много работать с датами, вы можете потратить некоторое время на пакет xts:

# 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

Вы также можете получать даты от другого вектора.

# 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

Пакет xts предоставит вам интеллектуальные параметры подмножества. Например, testdfx["2012-03"] вернет все данные с марта; testdfx["2012"] вернется за год; testdfx["/2012-02-15"] вернет данные с начала набора данных до 15 февраля; и testdfx["2012-02-15/"] будет идти с 15 февраля до конца набора данных.

Ответ 3

Или вы можете пойти в обратном направлении к тому, что предложил @Rogi, и преобразовать Date в строку:

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

Изменить: время

Преобразование даты в строку немного быстрее, но на самом деле это не имеет никакого значения:

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