R語言與格式、日期格式、格式轉化
每每以為攀得眾山小，可、每每又切實來到起點，大牛們，緩緩腳步來俺筆記葩分享一下吧，please~
R語言的基礎包中提供了兩種型別的時間資料，一類是Date日期資料，它不包括時間和時區資訊，另一類是POSIXct/POSIXlt型別資料，其中包括了日期、時間和時區資訊。基本總結如下：
日期data，儲存的是天；
時間POSIXct 儲存的是秒，POSIXlt 打散，年月日不同；
日期-時間=不可運算。
一般來講，R語言中建立時序資料是通過字元型轉化而來，但由於時序資料形式多樣，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（後續有介紹，應用四），timeDate包，都有用。
常見的格式：
| as.numeric | 轉化為數值型 |
| as.logic | 轉化為邏輯型 |
| as.complex | 轉化為複數型 |
| as.character | 轉化為字元型 |
| as.array | 轉化為陣列 |
| as.data.frame | 轉化為資料框 |
d<-as.character(z) #將數值向量z<-(0:9)轉化為字元向量c("0", "1", "2", ..., "9")。 as.integer(d) #將d轉化為數值向量 e <- numeric() #產生一個numeric型的空向量e a=data.frame(a) #變成R的資料框 factor() #變成因子 可以用levels()來看因子個數
在data.frame中，是可以實現資料集重新命名的，比如data.frame(x=iris,y=cars)，
也可以實現橫向、縱向重新命名，data.frame(x=iris,y=cars,row.names=iris)
——————————————————————————————————————————
後續加更內容
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並進行迴歸
應用四：靈活處理時間資料—lubridate包（來源）
應用五：如何在迴圈、函式中，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)
預設情況下，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函式，利用format來進行指定。
——————————————————————————————————————————
一、日期型資料——data
1、as.Data函式
在R中自帶的日期形式為：as.Date();以數值形式儲存；
對於規則的格式，則不需要用format指定格式；如果輸入的格式不規則，可以通過format指定的格式讀入；其中以1970-01-01定義為第0天，之後的年份會以距離這天來計算。
> x<-as.Date("1970-01-01")
> unclass(x)
[1] 0
>
> unclass(as.Date("1970-02-01")) #19700201代表第31天
[1] 31程式碼解讀：unclass可以將日期變成以天來計數，比如1970-02-01輸出的31，就代表著距離1970-01-01有31天。
as.data中的引數格式：年-月-日或者年/月/日；如果不是以上二種格式，則會提供錯誤——錯誤於charTo按照Date(x) : 字串的格式不夠標準明確；
例如這樣的資料格式，就常常報錯。
| 19:15. |
as.Date('23-2013-1',format='%d-%Y-%m')
#其中這個%d%Y可以節選其中一個
#%Y%y 大寫代表年份四位數，小寫代表年份二位數，要注意2、%d%y%m-基本格式
格式 | 意義 |
%d | 月份中當的天數 |
%m | 月份，以數字形式表示 |
%b | 月份，縮寫 |
%B | 月份，完整的月份名，指英文 |
%y | 年份，以二位數字表示 |
%Y | 年份，以四位數字表示 |
#其它日期相關函式
weekdays（）取日期物件所處的周幾；
months（）取日期物件的月份；
quarters（）取日期物件的季度。
————————————————————————————————————————
二、時間型——POSIXct與POSIXlt
POSIXct 是以1970年1月1號開始的以秒進行儲存，如果是負數，則是1970-01-01年以前；正數則是1970年以後。
POSIXlt 是以列表的形式儲存：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，並進行儲存。
可以作為時間篩選的一種。
> 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"
$gmtoff
[1] 28800
attr(,"tzone")
[1] "" "CST" "CDT"2、POSIXct 格式
主要特點：以秒進行儲存。
> today<-Sys.time()
> today
[1] "2016-06-06 20:42:22 CST"
> unclass(as.POSIXct(today))
[1] 1465216942解讀：比如今天，unclass之後，代表今天2016-06-06距離1970-01-01為1465216942秒。
#GMT代表時區，德意志時間，CST也代表時區
————————————————————————————————————————
三、時間運算
1、基本運算函式
Sys.Date() #字串型別
typeof(Sys.Date()) #系統日期型別
2、直接加減
相同的格式才能相互減，不能加。二進列的+法對"Date"、"POSIXt"物件不適用。
> as.Date("2011-07-01") - as.Date(today)
Time difference of -1802 days
> as.POSIXct(today)-as.POSIXct(as.Date("2012-10-25 01:00:00"))
Time difference of 1320.529 days
> as.POSIXlt(today)-as.POSIXlt(as.Date("2012-10-25 01:00:00"))
Time difference of 1320.529 days相互減之後，一般結果輸出的天數。
3、difftime函式——計算時差
不同格式的時間都可以進行運算。並且可以實現的是計算兩個時間間隔：秒、分鐘、小時、天、星期。
但是不能計算年、月、季度的時間差。
gtd <- as.Date("2011-07-01")
difftime(as.POSIXct(today), gtd, units="hours") #只能計算日期差，還可以是“secs”, “mins”, “hours”, “days”4、format函式——提取關鍵資訊
> today<-Sys.time()
> format(today,format="%B-%d-%Y")
[1] "六月-06-2016"format函式可以將時間格式，調節成指定時間樣式。format(today,format="%Y")其中的format可以自由調節，獲取你想要的時間資訊。
並且format函式可以識別as.Data型以及POSIXct與POSIXlt型，將其日期進行提取與之後要討論的split型別。
> today<-Sys.time()
> format(as.Date(today),format="%Y")
[1] "2016"
> format(as.POSIXlt(today),format="%Y")
[1] "2016"
> format(as.POSIXct(today),format="%Y")
[1] "2016"但是format出來的時間不能直接做減法，會出現錯誤： non-numeric argument to binary operator
5、strptime函式
該函式是將字元型時間轉化為 "POSIXlt" 和"POSIXct"兩類。跟format比較相似。
strptime之後的時間是可以直接做減法，因為直接是"POSIXlt" 和"POSIXct"格式了。
> strptime("2006-01-08 10:07:52", "%Y-%m-%d")-strptime("2006-01-15 10:07:52", "%Y-%m-%d")
Time difference of -7 days
> class(strptime("2006-01-08 10:07:52", "%Y-%m-%d"))
[1] "POSIXlt" "POSIXt"四、遇見的問題
1、常常報錯。
錯誤於charTo按照Date(x) : 字串的格式不夠標準明確。這個錯誤經常出現，我本來的資料格式是
| 19:15. |
#幾種錯誤彙總
dtV<-data.frame(as.POSIXct(a$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
#轉化成數值型也不對
c=as.numeric(sales[,2]) 2、excel另存為csv時發生的錯誤。
一位網友說：我以前是在excel裡另存為csv格式，百度上說CSV檔如果以EXCEL開啟，由於計算機檔案資料轉換的原因，會將其CRC之數值改做科學記號方式儲存，而造成檔案中的 CRC值發生錯誤。
——————————————————————————————————————————————————
應用1——如何通過生日計算年齡
1、format函式
timeformat<-function(x){
format(as.POSIXct(x),format="%Y")
}
sapply(as.Date(data$birthdate),timeformat)format只能一個一個操作，可以先寫成函式，然後計算得出年份，之後用如今的年份相減得到年齡。
2、字元型——strsplit
先轉化為字元型，然後進行分割。
data.frame(sapply(as.character(data$birthdate),function(x){strsplit(x,"-")[[1]][1]}))——————————————————————————————————————————————————
應用2——日期分組
一種按照日期範圍——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()函式。
假設vector中存在以下示例資料：
vDates <- as.Date(c("2013-06-01", "2013-07-08", "2013-09-01", "2013-09-15")) #as.Data()函式的作用非常重要；如果沒有它，R語言會認為以上內容僅僅是數字串而非日期物件
[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) ———————————————————————————————
可參考部落格：
1、http://www.cnblogs.com/speeding/p/4060500.html
部分內容修改，來自CDA DSC課程，其中將日期格式進行區別。
———————————————————————————————
應用三——生成按天的時間序列並進行迴歸
如果是生成簡單的年度，月度資料，ts函式可以滿足，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迴歸時候，疑惑：
做關於時間序列的ols最小二乘法迴歸方程，按年來好說，但是如果是按天，如果進行計算呢？
1、把天變成一排規律遞增的數字來代替；
2、ts函式變化之後，也是變成一個遞增的數字。
以上兩種，做的結果都一樣，所以沒有什麼太大的區別。
關於ts函式by day每一天的時間序列生成，該如何呢？
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：靈活處理時間資料—lubridate包（來源）
lubridate包是由Garrett Grolemund 和 Hadley Wickham寫的，可以靈活地處理時間資料。lubridate包主要有兩類函式，一類是處理時點資料（time instants），另一類是處理時段資料（time spans）。
1、時點類函式
主要包括解析、抽取、修改。
2、時段類函式
可以處理三類物件，分別是：
interval：最簡單的時段物件，它由兩個時點資料構成。
duration：去除了時間兩端的資訊，純粹以秒為單位計算時段的長度，不考慮閏年和閏秒，它同時也相容基本包中的difftime型別物件。
period：以較長的時鐘週期來計算時段長度，它考慮了閏年和閏秒，適用於長期的時間計算。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。
有了時點和時段資料，就可以進行各種計算了。
3、時區資訊
lubridate包提供了三個函式：
tz：提取時間資料的時區
with_tz：將時間資料轉換為另一個時區的同一時間
force_tz：將時間資料的時區強制轉換為另一個時區
——————————————————————————————————————————————————
應用五：如何在迴圈、函式中，輸出實時時間消耗？
想知道迴圈中進行到哪裡？這樣可以合理安排函式程序。那麼怎麼辦呢？
第一辦法：使用Rstudio 1.0版本，裡面有一個Profiling with profvis，可以很好的對你函式每一步的耗時進行參看。
當然，這個不能實時輸出內容。
第二辦法：利用difftime函式
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，然後用difftime+print方式，迴圈輸出。
—————————————————————————————————
應用六：因子型資料轉化為數值型
因子型轉化的時候會發現，譬如10000這個數字，會變為6，也就是因子型裡面對應的次序，這樣並不是我們想要的。所以，可以先變為字元型as.character：
as.numeric(as.character(data))