如何获得分类变量的部分级别？

Question

我的数据集如下所示：

 dsn    register_at 
1 AC000W000014612 Thu Mar 02 21:34:30 UTC 2017 
2 AC000W000016124 Tue Mar 14 19:40:57 UTC 2017 
3 AC000W000016219 Tue Apr 14 19:29:10 UTC 2017 

我需要得到就像三月，四月等一个月规范每个DSN。我如何只从变量寄存器中获取月份规格？

Answer 1

您应执行以下步骤：

1. 设置您的区域设置为英语（如果你的机器的语言环境已经是英语，你可以跳过这一步！）
2. 使用as.Date功能格式您的数据（请检查下面的格式字符串）
3. 一旦数据是日期格式，只需从日期中提取月份部分。

示例代码：

#Create the data frame 
mdata <- data.frame(dsn=character(0), register_at=character(0)) 
mdata <- edit(mdata) 

#Set the locale to en_US (This is required, because month/date names are in english) 
Sys.setlocale(category = "LC_TIME", locale="English_US.1252") 
Sys.getlocale() 

#Convert the variable to date 
mdata$register_at_date <- as.Date(mdata$register_at,format="%a %b %d %H:%M:%S UTC %Y") 

#Extract the month part 
mdata$month <- months(mdata$register_at_date) 

#Print out the data frame 
print(mdata) 

Answer 2

您可以使用substr函数，因为Month names始终处于相同的位置。

substr(df$register_at, 5, 7) 

Answer 3

为了将来的参考，我会尝试使用更标准化的格式（如年 - 月 - 日小时：分：秒）来写日期。

但是，我知道我们可能并不总是能够控制数据的格式（boo）。我想我会提到的是，如果它是更标准化的格式，lubridate包有一个功能，称为floor_date，可以很容易地完成这一点。

对于这个特定的情况下，你可以只用空格分割字符串和拆分后只选择第二个元素：

> # create data frame 
> # note that, per your question, dsn and register_at are factors 
> d <- data.frame(dsn=factor(c("AC000W000014612", "AC000W000016124", "AC000W000016219")), 
+     register_at=factor(c("Thu Mar 02 21:34:30 UTC 2017", "Tue Mar 14 19:40:57 UTC 2017", "Tue Apr 14 19:29:10 UTC 2017"))) 
> 
> library(stringr) # load package 
> d$register_month <- str_split_fixed(as.character(d$register_at), " ", 3)[,2] # convert to character, split at a space, take the second element 
> d 
       dsn     register_at register_month 
1 AC000W000014612 Thu Mar 02 21:34:30 UTC 2017   Mar 
2 AC000W000016124 Tue Mar 14 19:40:57 UTC 2017   Mar 
3 AC000W000016219 Tue Apr 14 19:29:10 UTC 2017   Apr 

注意register_month将是一个character矢量，所以如果你想它作为一个因素，你也必须使用as.factor来恢复到一个因素。