Fatal编程技术网
  • r/
  • 筛选R中的多个日期列

筛选R中的多个日期列

r

筛选R中的多个日期列,r,data.table,R,Data.table,我有一个3列的数据框。（） 前两列（“Time1”、“Time2”）包含日期时间数据，并且都具有posixct格式：%Y-%m-%d%H:%m:%S” 因此，我最终需要的是行的子选择，其中对于Time1中的特定时间，只有行在Time2中被选择 是时间1的前一天（这里一天并不总是24小时；一天是指前一个日历日，基本上是“昨天”） 和时间2是凌晨12:00 一个正确的例子： +---------------------+----------------------+ | Time1

我有一个3列的数据框。（）

前两列（“Time1”、“Time2”）包含日期时间数据，并且都具有posixct格式：
%Y-%m-%d%H:%m:%S”

因此，我最终需要的是行的子选择，其中对于Time1中的特定时间，只有行在Time2中被选择

  • 是时间1的前一天（这里一天并不总是24小时；一天是指前一个日历日，基本上是“昨天”）
  • 和时间2是凌晨12:00
一个正确的例子：

+---------------------+----------------------+
|        Time1        |        Time2         |
+---------------------+----------------------+
| 2016-11-01 00:00:00 | 2016-10-31 00:00:00  |
+---------------------+----------------------+
一个错误的例子：

+---------------------+----------------------+
|        Time1        |        Time2         |
+---------------------+----------------------+
| 2016-11-01 00:00:00 | 2016-10-31 12:00:00  |
+---------------------+----------------------+
在上传的文件中，我手动添加了第三列（“值”），作为我希望在最后过滤的行的指导。带“True”的行对我来说很有趣

我用两个for循环解决了这个问题，但是在大型表中运行速度非常慢

使用
子集
和
润滑油
包的解决方案可以使用以下方法：

  • 将1天添加到
    Time2
    ，然后选中
    Time1
    &
    Time2
    属于同一天
  • 在
    HHMMSS
    格式中格式化
    Time2
    ，然后检查其是否小于
    120000
    （中午）
    • 守则：

    library(lubridate)

subset(df, format(Time1,"%Y%m%d") == format(Time2+days(1),"%Y%m%d") &
        as.integer(format(Time2, "%H%M%S")) < 120000 )

#                    Time1      Time2 Value
# 19   2016-11-01 00:00:00 2016-10-31  TRUE
# 39   2016-11-01 00:30:00 2016-10-31  TRUE
# 59   2016-11-01 01:00:00 2016-10-31  TRUE
# 79   2016-11-01 01:30:00 2016-10-31  TRUE
# 99   2016-11-01 02:00:00 2016-10-31  TRUE
# 119  2016-11-01 02:30:00 2016-10-31  TRUE
# 139  2016-11-01 03:00:00 2016-10-31  TRUE
# 159  2016-11-01 03:30:00 2016-10-31  TRUE
# 179  2016-11-01 04:00:00 2016-10-31  TRUE
# 
# so on
    使用
    子集
    和
    润滑油
    包的解决方案可以使用以下方法：

  • 将1天添加到
    Time2
    ，然后选中
    Time1
    &
    Time2
    属于同一天
  • 在
    HHMMSS
    格式中格式化
    Time2
    ，然后检查其是否小于
    120000
    （中午）
    • 守则：

    library(lubridate)

subset(df, format(Time1,"%Y%m%d") == format(Time2+days(1),"%Y%m%d") &
        as.integer(format(Time2, "%H%M%S")) < 120000 )

#                    Time1      Time2 Value
# 19   2016-11-01 00:00:00 2016-10-31  TRUE
# 39   2016-11-01 00:30:00 2016-10-31  TRUE
# 59   2016-11-01 01:00:00 2016-10-31  TRUE
# 79   2016-11-01 01:30:00 2016-10-31  TRUE
# 99   2016-11-01 02:00:00 2016-10-31  TRUE
# 119  2016-11-01 02:30:00 2016-10-31  TRUE
# 139  2016-11-01 03:00:00 2016-10-31  TRUE
# 159  2016-11-01 03:30:00 2016-10-31  TRUE
# 179  2016-11-01 04:00:00 2016-10-31  TRUE
# 
# so on
    以下解决方案有效。解决方案使用
    OP

    library(dplyr)
library(lubridate)

df %>%
  filter((as.Date(Time2)+days(1)) == as.Date(Time1) & format(Time2, "%H") < 12)


#                   Time1      Time2 Value
# 1   2016-11-01 00:00:00 2016-10-31  TRUE
# 2   2016-11-01 00:30:00 2016-10-31  TRUE
# 3   2016-11-01 01:00:00 2016-10-31  TRUE
# 4   2016-11-01 01:30:00 2016-10-31  TRUE
# 5   2016-11-01 02:00:00 2016-10-31  TRUE
# 6   2016-11-01 02:30:00 2016-10-31  TRUE
# 7   2016-11-01 03:00:00 2016-10-31  TRUE
# 8   2016-11-01 03:30:00 2016-10-31  TRUE
# 9   2016-11-01 04:00:00 2016-10-31  TRUE
# 10  2016-11-01 04:30:00 2016-10-31  TRUE
# so on

    库（dplyr）
图书馆（lubridate）
df%>%
过滤器（（截止日期（Time2）+天数（1））==截止日期（Time1）和格式（Time2，“%H”）<12）
#时间1时间2值
#1 2016-11-01 00:00:00 2016-10-31真实
#2 2016-11-01 00:30:00 2016-10-31真实
#3 2016-11-01 01:00:00 2016-10-31真实
#4 2016-11-01 01:30:00 2016-10-31真实
#5 2016-11-01 02:00:00 2016-10-31真实
#6 2016-11-01 02:30:00 2016-10-31真实
#7 2016-11-01 03:00:00 2016-10-31真实
#8 2016-11-01 03:30:00 2016-10-31真实
#9 2016-11-01 04:00:00 2016-10-31真实
#10 2016-11-01 04:30:00 2016-10-31真实
#诸如此类
    以下解决方案有效。解决方案使用
    OP

    library(dplyr)
library(lubridate)

df %>%
  filter((as.Date(Time2)+days(1)) == as.Date(Time1) & format(Time2, "%H") < 12)


#                   Time1      Time2 Value
# 1   2016-11-01 00:00:00 2016-10-31  TRUE
# 2   2016-11-01 00:30:00 2016-10-31  TRUE
# 3   2016-11-01 01:00:00 2016-10-31  TRUE
# 4   2016-11-01 01:30:00 2016-10-31  TRUE
# 5   2016-11-01 02:00:00 2016-10-31  TRUE
# 6   2016-11-01 02:30:00 2016-10-31  TRUE
# 7   2016-11-01 03:00:00 2016-10-31  TRUE
# 8   2016-11-01 03:30:00 2016-10-31  TRUE
# 9   2016-11-01 04:00:00 2016-10-31  TRUE
# 10  2016-11-01 04:30:00 2016-10-31  TRUE
# so on

    库（dplyr）
图书馆（lubridate）
df%>%
过滤器（（截止日期（Time2）+天数（1））==截止日期（Time1）和格式（Time2，“%H”）<12）
#时间1时间2值
#1 2016-11-01 00:00:00 2016-10-31真实
#2 2016-11-01 00:30:00 2016-10-31真实
#3 2016-11-01 01:00:00 2016-10-31真实
#4 2016-11-01 01:30:00 2016-10-31真实
#5 2016-11-01 02:00:00 2016-10-31真实
#6 2016-11-01 02:30:00 2016-10-31真实
#7 2016-11-01 03:00:00 2016-10-31真实
#8 2016-11-01 03:30:00 2016-10-31真实
#9 2016-11-01 04:00:00 2016-10-31真实
#10 2016-11-01 04:30:00 2016-10-31真实
#诸如此类
    问题已标记为
    数据。表
    。此外，OP提供的样本数据集属于
    data.table类。因此，我觉得有义务发布一个
    数据表
    解决方案：
    

    library(data.table)
DT[as.IDate(Time1) - 1L == as.IDate(Time2) & hour(Time2) < 12]

    

    as.IDate（）
    是一个具有整数存储的日期类，用于快速排序和分组。因此，我们可以使用整数算法来计算前一天的数据
    hour（）
    也由
    data.table
    包提供，并将一天中的小时数作为整数值返回
    
可再现数据
2018年5月29日22:00 UTC从复制的数据，但删除了
    .internal.selfref
    指针：
    

    DT <- structure(
  list(
    Time1 = structure(c(1477958400, 1477958400, 1477958400,
                        1477958400, 1477958400, 1477958400, 1477958400, 1477960200, 1477960200,
                        1477960200, 1477960200, 1477960200, 1477960200, 1477960200, 1477962000,
                        1477962000, 1477962000, 1477962000, 1477962000, 1477962000, 1477962000,
                        1477963800, 1477963800, 1477963800, 1477963800, 1477963800, 1477963800,
                        1477963800), 
                      class = c("POSIXct", "POSIXt"), tzone = "UTC"),
    Time2 = structure(c(1477699200, 1477742400, 1477785600, 1477828800,
                        1477872000, 1477915200, 1477958400, 1477699200, 1477742400,
                        1477785600, 1477828800, 1477872000, 1477915200, 1477958400,
                        1477699200, 1477742400, 1477785600, 1477828800, 1477872000,
                        1477915200, 1477958400, 1477699200, 1477742400, 1477785600,
                        1477828800, 1477872000, 1477915200, 1477958400), 
                      class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    Value = c("FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE")), 
  .Names = c("Time1", "Time2", "Value"), 
  row.names = c(NA, -28L), 
  class = c("data.table", "data.frame"))

    

    DT问题已标记为
    data.table
    。此外，OP提供的样本数据集属于
    data.table类。因此，我觉得有义务发布一个
    数据表
    解决方案：
    

    library(data.table)
DT[as.IDate(Time1) - 1L == as.IDate(Time2) & hour(Time2) < 12]

    

    as.IDate（）
    是一个具有整数存储的日期类，用于快速排序和分组。因此，我们可以使用整数算法来计算前一天的数据
    hour（）
    也由
    data.table
    包提供，并将一天中的小时数作为整数值返回
    
可再现数据
2018年5月29日22:00 UTC从复制的数据，但删除了
    .internal.selfref
    指针：
    

    DT <- structure(
  list(
    Time1 = structure(c(1477958400, 1477958400, 1477958400,
                        1477958400, 1477958400, 1477958400, 1477958400, 1477960200, 1477960200,
                        1477960200, 1477960200, 1477960200, 1477960200, 1477960200, 1477962000,
                        1477962000, 1477962000, 1477962000, 1477962000, 1477962000, 1477962000,
                        1477963800, 1477963800, 1477963800, 1477963800, 1477963800, 1477963800,
                        1477963800), 
                      class = c("POSIXct", "POSIXt"), tzone = "UTC"),
    Time2 = structure(c(1477699200, 1477742400, 1477785600, 1477828800,
                        1477872000, 1477915200, 1477958400, 1477699200, 1477742400,
                        1477785600, 1477828800, 1477872000, 1477915200, 1477958400,
                        1477699200, 1477742400, 1477785600, 1477828800, 1477872000,
                        1477915200, 1477958400, 1477699200, 1477742400, 1477785600,
                        1477828800, 1477872000, 1477915200, 1477958400), 
                      class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    Value = c("FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE", "FALSE", "FALSE", "FALSE",
              "FALSE", "TRUE", "FALSE", "FALSE")), 
  .Names = c("Time1", "Time2", "Value"), 
  row.names = c(NA, -28L), 
  class = c("data.table", "data.frame"))

    

    DT首先，pastebin的代码给出了一个错误“error:unexpected”%filter（time2-time1抱歉，我重新加载了该文件。它以前是一个data.table。现在我上传了一个data.frame。---我不知道如何表述（time2-time1@UDE_学生您的数据非常大。为什么不共享
    dput（head（df，20））
    ？这对每个人来说都会更容易。是的，你是对的，我用较短的版本更新了我的初始帖子：我使用
    lubridate
    在base-R中添加了一个可能的解决方案。请看一看，首先，来自pastebin的代码给出了一个错误“error:unexpected%”过滤器（time2-time1抱歉，我重新上传了这个文件。它以前是一个data.table。现在我上传了一个data.frame。---我不知道如何表达（time2-time1@UDE_Student您的数据非常大。为什么不共享
    dput（head（df，20））
    ？这对每个人来说都会更容易。是的，你是对的，我用较短的版本更新了我的初始帖子：我使用
    lubridate在base-R中添加了一个可能的解决方案。看一看，两条小评论。1）您不需要在
    dplyr
    链中使用
    $
    。也许，您应该在
    OP
    共享的数据上尝试您的解决方案，并检查它是否返回有效的输出。两个小注释。1）您不需要在
    dplyr
    链中使用
    $
    。也许，您应该在
    OP
    共享的数据上尝试您的解决方案，并检查它是否返回有效的输出。很好地使用
    as.IDate
    ！实际上，
    OP
    提供的数据在
    data.frame
    中。我想提供一个base-R解决方案，以便t
    原始
    结果中的行名称，让OP知道选择了哪些行