【技巧】如何快速按照日期分组

问题的提出

在处理数据的时候，我们常常需要按照日期对数据进行分类汇总，例如每周、每月、每年汇总等。常见的做法是建立一个用于分类的变量，然后再按照这个变量进行汇总。然而这种做法特别麻烦，因为我们常常要尝试多种不同的分类长度，很难事先就一次性创建好用于分类的变量。

再次，这种常规方法很难处理一些不规则的日期间隔，例如我希望每隔3天对数据汇总一次；或者再变态一点，我希望把数据分成两组：一组是周三，另一组是非周三。遇到这种情况，我们该怎么办呢？

本期大猫将教大家使用 data.table包的 keyby语句完成上述任务。使用 data.table的好处是：

• 不需要事先创建分类变量，啥时想分类了，直接分就可以（group on the fly）
• 速度特别、特别快！
• 代码非常、非常简洁！（也就十几个字符！）

注：文章中所有代码块都可以水平滚动！不信滑滑看？

实战操作

生成样例数据集

首先我们生成一个样例数据集：

# 生成 100 个日期，从2018-01-01开始
set.seed(42)
n <- 100
dt <- data.table(date = seq(ymd("2018-01-01"), length.out = n, by = "day"), x = runif(n))

生成的数据集长这个样子：

按照周进行分类

如果我们想要每周对变量 x求均值，只要在 keyby语句中指定 week=week(date)即可：

# 按照周进行分组
dt[, .(x = mean(x)), keyby = .(week = week(date))]

结果如下图：

按照星期进行分类

如果想要按照星期（周一到周日）分类，只要把 week函数改成 wday即可：

# 按照星期进行分组
res <- dt[, .(x = mean(x)), keyby = .(weekday = wday(date))]

结果如下图：

按照“是否为周三”进行分类

如果我们想把样本分成两组，一组是周三（True），一组是非周三（False），则只要使用 wday(date)==3来生成一列值为 True或者 False的向量就行。

# 按照是否为“周三”进行分组：“True”即周三，“False”即除周三以外的任何日期
dt[, .(x = mean(x)), keyby = .(is.wed = wday(date) == 3)]

结果如下：

按照“每个三天”分类

为了按照任意间隔进行分类，我们需要用到 data.table包中的 ceiling_date函数。在下面的代码中， ceiling_date(date,"3 days")含义是每三天对 date进行一次“四舍五入”。

# 按照“每3天”进行分组
dt[, .(x = mean(x)), keyby = .(three.day = ceiling_date(date, "3 days"))]

大家注意观察最后的结果，是不是每个三天才产生一个输出？

（完）

长按二维码关注