从数据框中删除不完整的月份，即使月份的一部分包含数据答案

【问题标题】：Remove incomplete months from a data frame even when part of the month contains data从数据框中删除不完整的月份，即使月份的一部分包含数据
【发布时间】：2017-06-22 19:44:30
【问题描述】：

我想从我的数据框中删除不完整的月份，即使某些月份有数据。

示例数据框：

date <- seq.Date(as.Date("2016-01-15"),as.Date("2016-09-19"),by="day")
data <- seq(1:249)

df <- data.frame(date,data)

我想要什么：

date2 <- seq.Date(as.Date("2016-02-01"),as.Date("2016-08-31"),by="day")
data2 <- seq(from = 18, to = 230)

df2 <- data.frame(date2,data2)

【问题讨论】：

标签： r data-management

【解决方案1】：

如果我正确解释了您的问题，您希望能够选择具有完整天数的月份，删除那些没有的月份。

以下使用dplyr v0.7.0：

library(dplyr)

df <- df %>%
  mutate(mo = months(date)) # add month (mo)

complete_mo <- df %>%
  count(mo) %>% #count number of days in month (n)
  filter(n >= 28) %>% #rule of thumb definition of a `complete month`
  pull(mo)

df_complete_mo <- df %>%
  filter(mo %in% complete_mo) %>% # here is where you select the complete months
  select(-mo) #remove mo, to keep your original df

然后df_complete_mo 只需完整的几个月即可生成您的数据集。

【讨论】：

【解决方案2】：

您可以将每个月的一组完整日期加入您的数据框，然后过滤掉任何缺失值的月份。

library(tidyverse)
library(lubridate)

df.filtered = data.frame(date=seq(min(df$date)-31,max(df$date)+31,by="day")) %>%
  left_join(df) %>%
  group_by(month=month(date)) %>%   # Add a month column and group by it
  filter(!any(is.na(data))) %>%     # Remove months with any missing data
  ungroup %>%                       
  select(-month)                    # Remove the month column

# A tibble: 213 x 2
         date  data
       <date> <int>
 1 2016-02-01    18
 2 2016-02-02    19
 3 2016-02-03    20
 4 2016-02-04    21
 5 2016-02-05    22
 6 2016-02-06    23
 7 2016-02-07    24
 8 2016-02-08    25
 9 2016-02-09    26
10 2016-02-10    27
# ... with 203 more rows

【讨论】：

将您的代码应用于我的“真实”数据集时出现以下错误：Error in min(df$date) - 31 : non-numeric argument to binary operator。这与日期的格式有关吗？
如果您的日期是字符格式而不是日期格式（日期格式实际上是一种附加了 Date 类的数字格式），那么您会收到错误消息。

【解决方案3】：

在基础 R 中，您可以执行以下操作。

# get start and end dates of months that are are beyond the sample
dateRange <- as.Date(format(range(df$date) + c(-32, 32), c("%Y-%m-2", "%Y-%m-1"))) - 1

format 的第二个参数是一个向量，分别格式化最小和最大日期。我们从这些日期中减去 1，得到一个月的第一天和一个月的最后一天。这返回

dateRange
[1] "2015-12-01" "2016-09-30"

现在，使用which.max 选择第一个匹配的日期，使用which 和tail 选择与每月序列匹配的最后一天，以便确定data.frame 的起始行和终止行。

startRow <- which.max(df$date %in% seq(dateRange[1], dateRange[2], by="month"))
stopRow <- tail(which(df$date %in% (seq(dateRange[1], dateRange[2], by="month")-1)), 1)

现在，子集您的 data.frame

dfNew <- df[startRow:stopRow,]

range(dfNew$date)
[1] "2016-02-01" "2016-08-31"
nrow(dfNew)
[1] 213

【讨论】：