Создайте категориальную переменную из данных даты в R

Question

У меня есть данные, которые включают даты (дд/мм/гггг) и я хочу суммировать данные по годам. Я уверен, что есть более простой способ сделать это, но маршрут, который я предпринял, - это попытаться создать новую категориальную переменную, используя функцию «вырезать».

Например:

# create sample dataframe 
dates<-c("01/01/2013", "01/02/2013", "01/01/2014", "01/02/2014", "01/01/2015", "01/02/2015") 
cases<-c(3,5,2,6,8,4) 
df<-as.data.frame(cbind(dates, cases)) 
df$dates <- as.Date(df$dates,"%d/%m/%Y") 

# categorise by year 
df$year <- cut(df$dates, c(2013-01-01, 2013-12-31, 2014-12-31, 2015-12-31)) 

Это дает ошибку:

invalid specification of 'breaks' 

Как сказать R вырезать различные интервалы "дата"? Является ли мой подход к этому неправильным? Еще новичок в R (извините за основной вопрос).

Greg

Answer 1

Как должен выглядеть ваш выход?

Ваш код работает, когда вы определяете перерывы с as.Date:

breaks <- as.Date(c("2013-01-01", "2013-12-31", "2014-12-31", "2015-12-31")) 

# categorise by year 
df$year <- cut(df$dates, breaks) 

     dates cases  year 
1 2013-01-01  3 2013-01-01 
2 2013-02-01  5 2013-01-01 
3 2014-01-01  2 2013-12-31 
4 2014-02-01  6 2013-12-31 
5 2015-01-01  8 2014-12-31 
6 2015-02-01  4 2014-12-31 

Я предполагаю, что вы хотите, чтобы ваши переменная year выглядеть по-другому, хотя? Вы можете определить labels при использовании cut:

# categorise by year 
df$year <- cut(df$dates, breaks, labels = c(2013, 2014, 2015)) 

     dates cases year 
1 2013-01-01  3 2013 
2 2013-02-01  5 2013 
3 2014-01-01  2 2014 
4 2014-02-01  6 2014 
5 2015-01-01  8 2015 
6 2015-02-01  4 2015 

Answer 2

, если вы просто ищете в течение года, может быть, это помогает:

df$year <- format(df$dates, format="%Y")

 dates cases year 
1 2013-01-01  3 2013 
2 2013-02-01  5 2013 
3 2014-01-01  2 2014 
4 2014-02-01  6 2014 
5 2015-01-01  8 2015 
6 2015-02-01  4 2015 

Answer 3

Простое решение будет использование dplyr пакета. Вот простой пример:

library(dplyr) 

df_grouped <- df %>% 
    mutate(
    dates = as_date(dates), 
    cases = as.numeric(cases)) %>% 
    group_by(year = year(dates)) %>% 
    summarise(tot_cases = sum(cases)) 

В mutate заявления мы конвертируем переменные в более подходящий формат, в group_by мы выбираем, какие переменный будут делать группировку и в summarise мы создаем новые переменные, которые мы хотим ,

df_grouped выглядит следующим образом:

# A tibble: 3 × 2 
    year tot_cases 
    <dbl>  <dbl> 
1 2013   6 
2 2014   6 
3 2015   9 

Answer 4

Я думаю, что решения, основанные на cut немного избыточна. Вы можете использовать функцию year из lubridate пакета, чтобы извлечь год с даты:

library(dplyr) 
library(lubridate) 
df %>% mutate(year = year(dates)) 
#  dates cases year 
# 1 2013-01-01  3 2013 
# 2 2013-02-01  5 2013 
# 3 2014-01-01  2 2014 
# 4 2014-02-01  6 2014 
# 5 2015-01-01  8 2015 
# 6 2015-02-01  4 2015 

lubridate такой удивительный пакет, когда речь идет о работе с данными времени.

После построения столбца year вы можете применять все виды резюме. Я использую dplyr стиль здесь:

# Note that as.numeric(as.character()) is needed as `cbind` forces `cases` to be a factor 
df %>% mutate(year = year(dates), cases = as.numeric(as.character(cases))) %>% 
    group_by(year) %>% summarise(tot_cases = sum(cases)) 
# # A tibble: 3 × 2 
# year tot_cases 
# <dbl>  <dbl> 
# 1 2013   8 
# 2 2014   8 
# 3 2015  12 

Обратите внимание, что group_by гарантирует, что все операции, после того, что сделано в уникальной категории, указанной там, в этом случае в год.