如何按每个月的最后一天对数据框进行子集化答案

【问题标题】：How to subset a data frame by the last day of each month如何按每个月的最后一天对数据框进行子集化
【发布时间】：2012-09-19 09:56:17
【问题描述】：

我有一个 df ：

     dates  V1  V2  V3  V4  V5  V6  V7  V8  V9  V10
1999-05-31  66  65  64  63  62  61  60  59  58  57
1999-06-01  67  66  65  64  63  62  61  60  59  58
1999-06-02  68  67  66  65  64  63  62  61  60  59
1999-06-03  69  68  67  66  65  64  63  62  61  60
1999-06-04  70  69  68  67  66  65  64  63  62  61
1999-06-17  79  78  77  76  75  74  73  72  71  70
1999-06-18  80  79  78  77  76  75  74  73  72  71
1999-06-21  81  80  79  78  77  76  75  74  73  72
1999-06-22  82  81  80  79  78  77  76  75  74  73
1999-06-23  83  82  81  80  79  78  77  76  75  74
1999-06-24  84  83  82  81  80  79  78  77  76  75
1999-06-25  85  84  83  82  81  80  79  78  77  76
1999-06-28  86  85  84  83  82  81  80  79  78  77
1999-06-29  87  86  85  84  83  82  81  80  79  78
1999-06-30  88  87  86  85  84  83  82  81  80  79

我想在每个月的最后一天对上述 df 进行子集化。也就是说，只有日期 1999-05-31 和 1999-06-30 会出现。实际数据框要大得多，最后日期可能是每个月的 28 日、29 日等。所以我希望输出是这样的：

dates   V1  V2  V3  V4  V5  V6  V7  V8  V9  V10
1999-05-31  66  65  64  63  62  61  60  59  58  57 
1999-06-30  88  87  86  85  84  83  82  81  80  79
1999-10-29  175 174 173 172 171 170 169 168 167 166

我试图在 zoo 或其他包中找到一些功能，但找不到...非常感谢所有建议！

【问题讨论】：

标签： r xts zoo

【解决方案1】：

假设日期格式正确，源数据框为x。

> library(xts)
> x[endpoints(x$dates, on = "months"), ]
        dates V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1  1999-05-31 66 65 64 63 62 61 60 59 58  57
15 1999-06-30 88 87 86 85 84 83 82 81 80  79

【讨论】：

谢谢！那么我怎样才能找到每个月的第一次观察呢？我可以简单地做 x[endpoints(x$dates, on = "months")+1, ] 还是有一些特定的功能？最好的问候！

【解决方案2】：

这会选择当月的最后几天：

df[as.numeric(substr(as.Date(df$dates) + 1, 9, 10))
   < as.numeric(substr(df$dates, 9, 10)), ]

#        dates V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
#1  1999-05-31 66 65 64 63 62 61 60 59 58  57
#15 1999-06-30 88 87 86 85 84 83 82 81 80  79

请注意，此解决方案取决于每天的绝对月数（与您的数据无关）。

如果您想在实际数据中选择每个月的最后一天，请使用以下命令：

df[c(diff(as.numeric(substr(df$dates, 9, 10))) < 0, TRUE), ]

【讨论】：

再次感谢斯文！你有很棒的 R 技能！
好的！谢谢！:) 但是为什么包含TRUE？如果我排除它，我似乎得到了相同的答案......
命令diff(as.numeric(substr(df$dates, 9, 10))) < 0 返回一个长度为nrow(df)-1 的逻辑向量，因此我将这个向量与一个额外的TRUE 结合起来，以使用它来选择df 的行子集。向量的长度和逻辑索引向量的长度应该相同。如果逻辑索引短了一个元素，则逻辑向量的第一个值也将用作其最后一个值。
如果我想找到每个月的第一天而不是每个月的最后一天，我是否正确地认为我可以更改 df[c(diff(as.numeric(substr(df$dates) , 9, 10))) 0, TRUE), ] ? :)
@user1665355 不，只是改变TRUE的位置：df[c(TRUE, diff(as.numeric(substr(df$dates, 9, 10))) < 0), ]

【解决方案3】：

这是一个使用dplyr的选项：

library(dplyr)

df %>% 
  mutate(dates = as.Date(dates)) %>% 
  mutate(yr_mnth = format(dates, '%Y-%m')) %>% 
  group_by(yr_mnth) %>% 
  filter(dates == max(dates))

# or if you wanted the first observation of each month:
df %>% 
  mutate(dates = as.Date(dates)) %>% 
  mutate(yr_mnth = format(dates, '%Y-%m')) %>% 
  group_by(yr_mnth) %>% 
  filter(dates == min(dates))

【讨论】：