A:阻止 ifelse() 将日期转换为数字
默认情况下,基本 R 中的ifelse()函数将日期对象转换为数字对象。
为了防止这种情况发生,您可以使用以下方法之一作为替代方法:
方法1:在Base R中使用as.character()
df$date <- as. Date (ifelse(df$date < ' 2022-01-20 ', as. character (df$date+5), as. character (df$date)))
方法2:在dplyr中使用if_else()
df$date <- if_else(df$date < ' 2022-01-20 ', df$date+5, df$date)
方法3:在data.table中使用fielse()
df$date <- fifelse(df$date < ' 2022-01-20 ', df$date+5, df$date)
以下示例展示了如何在 R 中使用以下数据框实际使用每种方法:
#create data frame df <- data. frame (date=as. Date (c('2022-01-05', '2022-01-17', '2022-01-22', '2022-01-23', '2022-01-29', '2022-02-13')), sales=c(22, 35, 24, 20, 16, 19)) #view data frame df dirty date 1 2022-01-05 22 2 2022-01-17 35 3 2022-01-22 24 4 2022-01-23 20 5 2022-01-29 16 6 2022-02-13 19
示例 1:在 Base R 中使用 as.character()
以下代码演示如何将as.character()函数与 R 基ifelse()函数结合使用,对数据框的日期列执行 if else 语句并生成日期结果:
#if date is before 2022-01-20 then add 5 days df$date <- as. Date (ifelse(df$date < ' 2022-01-20 ', as. character (df$date+5), as. character (df$date))) #view updated data frame df dirty dates 1 2022-01-10 22 2 2022-01-22 35 3 2022-01-22 24 4 2022-01-23 20 5 2022-01-29 16 6 2022-02-13 19
如果日期列中的值早于 01/20/2022,我们会在该日期后添加五天。
请注意,日期列保留了其日期格式,而不是转换为数字格式。
示例 2:在 dplyr 中使用 if_else()
以下代码显示如何使用 dplyr 的if_else()函数对数据框中的日期列执行 if else 语句并生成日期结果:
library (dplyr) #if date is before 2022-01-20 then add 5 days df$date <- if_else(df$date < ' 2022-01-20 ', df$date+5, df$date) #view updated data frame df dirty date 1 2022-01-10 22 2 2022-01-22 35 3 2022-01-22 24 4 2022-01-23 20 5 2022-01-29 16 6 2022-02-13 19
如果日期列中的值早于 01/20/2022,我们会在该日期后添加五天。
请注意,日期列保留了其日期格式,而不是转换为数字格式。
示例 3:在 data.table 中使用 fielse()
以下代码显示如何使用 data.table 的fielse()函数对数据框中的日期列执行 if else 语句并生成日期结果:
library (data.table) #if date is before 2022-01-20 then add 5 days df$date <- fifelse(df$date < ' 2022-01-20 ', df$date+5, df$date) #view updated data frame df dirty dates 1 2022-01-10 22 2 2022-01-22 35 3 2022-01-22 24 4 2022-01-23 20 5 2022-01-29 16 6 2022-02-13 19
如果日期列中的值早于 01/20/2022,我们会在该日期后添加五天。
同样,日期列保留其日期格式,而不是转换为数字格式。
注意:对于非常大的数据帧,dplyr 和 data.table 方法将比基本 R 方法更快。
其他资源
以下教程解释了如何在 R 中执行其他常见任务: