r - 将日期中的差异分箱为跨年的时间单位感知数值向量

Question

我需要计算“相隔多少 x 个单位” POSIX 日期向量中的每个元素来自给定的引用日期，其中

• x是“典型”时间单位，例如月、周、季度等。
• 日期向量可以跨越多年
• 结果必须是 numeric矢量

我有一些东西，但感觉不是一个可以推广的一致方法(月和周有两种不同的方法)。

可能毫无值(value):我通常寻找符合 ISO 8601 的解决方案

编辑

“一致”是指我理想中的解决方案始终利用 as.numeric(dates)之后进行一些巧妙的“时间单位分级”。但对于月来说，我不知道如何实现这一目标，因为每个月包含不同的天数(适用于数周，因为我们总是可以安全地说“一周包含 7 天”)。

换句话说:几个月我想使用类似 (as.numeric(.x) / (<something>)) 的东西就像我使用(as.numeric(.x) / (60 * 60 * 24 * 7))一样持续几周。就是那个<something> 我正在寻找一种对日期差异进行分类的通用方法。

解决方案草案

函数定义:

library(magrittr)
library(purrr)

normalize_time_distance_month <- function(dates) {
  dates %>%
    as.POSIXct() %>%
    purrr::map_dbl(function(.x)
      as.numeric(format(.x, "%y")) * 12 + as.numeric(format(.x, "%m")))
}

normalize_time_distance_week <- function(dates) {
  dates %>%
    as.POSIXct() %>%
    purrr::map_dbl(function(.x)
      (as.numeric(.x) / (60 * 60 * 24 * 7)) %>%
        round())
}

月份:

# Months ------------------------------------------------------------------

dates <- seq(as.POSIXct("2018-03-01"), length.out = 24, by = "month")
origin <- as.POSIXct("2018-05-01")

dates_norm <- normalize_time_distance_month(dates)
origin_norm <- normalize_time_distance_month(origin)

(time_diffs <- dates_norm - origin_norm)
#>  [1] -2 -1  0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
#> [24] 21

周:

# Weeks -------------------------------------------------------------------

dates <- seq(as.POSIXct("2018-05-07"), length.out = 104, by = "week")
origin <- as.POSIXct("2018-05-21")

dates_norm <- normalize_time_distance_week(dates)
origin_norm <- normalize_time_distance_week(origin)

(time_diffs <- dates_norm - origin_norm)
#>   [1]  -2  -1   0   1   2   3   4   5   6   7   8   9  10  11  12  13  14
#>  [18]  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31
#>  [35]  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48
#>  [52]  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65
#>  [69]  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82
#>  [86]  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99
#> [103] 100 101

由reprex package于2018年5月25日创建(v0.2.0)。

Answer 1

一种选择是将表达式作为参数传递，然后解析它

library(tidyverse)
library(rlang)
normalize_time_distance <- function(dates, expr) {
 dates %>%
    as_tibble %>% 
    mutate(value = as.POSIXct(value)) %>%
    mutate(value = !! parse_expr(expr)) %>%
    pull(value)

 }

expr1 <- 'as.numeric(format(value, "%y")) * 12 + as.numeric(format(value, "%m"))'
normalize_time_distance(dates, expr1)
#[1] 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237
#[20] 238 239 240 241 242



expr2 <-  'round((as.numeric(value) / (60 * 60 * 24 * 7)))'
normalize_time_distance(dates, expr2)
#[1] 2513 2517 2522 2526 2530 2535 2539 2544 2548 2552 2557 2561 2565 2570 2574
#[16] 2578 2583 2587 2591 2596 2600 2604 2609 2613