r - 从日期向量中选择和分组相似的日期

Question

我有三个 POSIX 格式的日期向量，它们与来自三个大型数据集的数据收集时间相对应。这些向量中的每一个都具有不同的长度并且具有相似（但不相同）的日期。

我想：

1. 将这些日期分组到指定的时间范围内，例如，将每个向量中的日期分组在 30 天的窗口中，以及
2. 减少日期分组的数量以反映收集次数最少的数据集，例如，如果“数据集 A”有三个采样日期，“数据集 B”有五个采样日期，那么将只有三个日期分组（除非两个“数据集 B”中的额外日期在“数据集 A”中的日期的 30 天内）。

一个包含三个 POSIX 格式日期向量的示例（我想在向量之间对相似的日期进行分组，允许 30 天的时间窗口）：

A.dates = as.POSIXlt(c("1998-07-24 08:00","1999-07-24 08:00","2000-07-24 08:00"), 
                     tz = "America/Los_Angeles")
B.dates = as.POSIXlt(c("1998-07-25 08:00","1999-07-25 08:00","2000-07-25 08:00"), 
                     tz = "America/Los_Angeles")
C.dates = as.POSIXlt(c("1998-07-26 08:00","1999-07-26 08:00","2000-07-26 08:00","2000-08-29"), 
                     tz = "America/Los_Angeles") 

指定 30 天的时间窗口，将有三个日期分组（抽样日期为 1998 年 7 月、1999 年和 2000 年）。该C.dates向量的第四个收集日期为 2000 年 8 月 29 日，该日期将被排除在分组之外，因为：

1. 它不在其他向量中的 7 月日期的 30 天内，并且
2. 其他两个向量中没有日期在 2000 年 8 月 29 日之后的 30 天内。

标签： rdatetime-seriesgroupingposixlt

Answer 1

您可以遍历每个向量的每个元素并创建sequences ± 15 天

L <- list(A.dates, B.dates, C.dates)
tmp <- lapply(L, function(x) lapply(x, function(x) 
  do.call(seq, c(as.list(as.Date(x) + c(-15, 15)), "day"))))

并union在列表中列出它们。

tmp <- lapply(tmp, function(x) as.Date(Reduce(union, x), origin="1970-01-01"))

然后只需找到intersect

i <- Reduce(function(...) as.Date(intersect(...), origin="1970-01-01"), tmp)

并相应地选择日期。

tmp <- lapply(L, function(x) x[as.Date(x) %in% i])
tmp
# [[1]]
# [1] "1998-07-24 08:00:00 PDT" "1999-07-24 08:00:00 PDT"
# [3] "2000-07-24 08:00:00 PDT"
# 
# [[2]]
# [1] "1998-07-25 08:00:00 PDT" "1999-07-25 08:00:00 PDT"
# [3] "2000-07-25 08:00:00 PDT"
# 
# [[3]]
# [1] "1998-07-26 PDT" "1999-07-26 PDT" "2000-07-26 PDT"

为了根据您的评论按年份对它们进行排序，我们unlist将它们放在首位。不幸的是，这会将日期转换为数字（即自 1970 年 1 月 1 日以来的秒数），因此我们需要将它们转换回来。

tmp <- as.POSIXlt(unlist(lapply(tmp, as.POSIXct)), origin="1970-01-01",
                tz="America/Los_Angeles")

最后，我们split列出了前四个substr年份的列表（我们也可以这样做split(tmp, strftime(tmp, "%Y"))）。

res <- split(tmp, substr(tmp, 1, 4))
res
# $`1998`
# [1] "1998-07-24 08:00:00 PDT" "1998-07-25 08:00:00 PDT"
# [3] "1998-07-26 00:00:00 PDT"
# 
# $`1999`
# [1] "1999-07-24 08:00:00 PDT" "1999-07-25 08:00:00 PDT"
# [3] "1999-07-26 00:00:00 PDT"
# 
# $`2000`
# [1] "2000-07-24 08:00:00 PDT" "2000-07-25 08:00:00 PDT"
# [3] "2000-07-26 00:00:00 PDT"