用 lubridate 處理時間序列(time series)中的日期
這學期讓學生作期末專題時，有幾位學生想處理的資料是內含日期的時間序列(time series)。因為日期讀入 R 以後會儲存成字串(如果有記得stringsAsFactor = FALSE)，就算想畫一張時間序列圖，都需要將資料清理一下才行。這時 Hadley Wickham 開發的 lubridate 就相當好用。這篇文章用到的包裹如下
library(dplyr)
library(ggplot2)
library(lubridate)
實作時間序列圖
這次實作的資料是取自 Kaggle Dataset 中的 Daily Sea Ice Extent Data，但我已經把一些不需要的部分清掉，只留下2009年的部分。
seaice.09 <- read.csv("2016-12-10-seaice_2009.csv", stringsAsFactors = FALSE) %>% select(-Missing)
head(seaice.09,3)
## Year Month Day Extent hemisphere
## 1 2009 1 1 13.189 north
## 2 2009 1 2 13.180 north
## 3 2009 1 3 13.267 north
這裡的日期被存在三個不同的欄位Year、Month、Day中，所以第一步要先用paste()將資料合併成2009-6-30樣式的字串，再用lubridate中的ymd()函數(意指這裡的字串是以年/月/日的順序讀入)轉換成 R 的標準日期格式(POSIX date format)。
seaice <- seaice.09 %>%
mutate(date = (paste(Year, Month, Day, sep="-") %>% ymd()))
head(seaice,3)
## Year Month Day Extent hemisphere date
## 1 2009 1 1 13.189 north 2009-01-01
## 2 2009 1 2 13.180 north 2009-01-02
## 3 2009 1 3 13.267 north 2009-01-03
現在date就是正常的日期格式，可以丟進ggplot()作圖。
class(seaice$date)
## [1] "Date"
seaice %>% ggplot(aes(x=date, y=Extent, color=hemisphere)) + geom_point()
轉換日期為十進位數值
ggplot2在作圖時可以直接用日期的資料格式，但如果要進行迴歸分析，就必須把日期轉換成數值格式才行。好在 lubridate 中的 decimal_date() 可以幫我們快速轉換。(如果要把數值轉為日期則是date_decimal())
seaice %>% mutate(num.date = decimal_date(date)) %>% head(3)
## Year Month Day Extent hemisphere date num.date
## 1 2009 1 1 13.189 north 2009-01-01 2009.000
## 2 2009 1 2 13.180 north 2009-01-02 2009.003
## 3 2009 1 3 13.267 north 2009-01-03 2009.005
其他日期排列組合
如果資料的日期不是(年-月-日)而是其他種組合怎麼辦？lubridate 中還有其他函數像是mdy()、dmy()等等可以利用。舉例來說，我們可以把美國常見(月/日/年)格式的06/04/2010 轉換成標準的 R 日期格式 2010-06-04.
example.data <- data.frame(
id = c("A","B","C"),
before.date = c("06/04/2010","06/11/2010","06/23/2010")
)
example.data %>% mutate(after.date = mdy(before.date))
## id before.date after.date
## 1 A 06/04/2010 2010-06-04
## 2 B 06/11/2010 2010-06-11
## 3 C 06/23/2010 2010-06-23
lubridate在整理日期時可以處理許多種類型的字串，包括20090614或是2009/06/14都能轉換成POSIX標準的年-月-日格式，相當實用。
Written on December 10, 2016