统计数据类型和日期时间数据

本章介绍统计数据的计量尺度（定类、定序、定距、定比），重点介绍了一种特殊的数据类型：时间和日期。并讲解了一些常用时间日期函数：strptime as.Date ，除此之外还介绍了时间 Times 类型的两种类型 POSIXct 和 POSIXlt 。

代码和笔记存储在 GitHub 库 【持续更新中，建议 star！】

1 统计数据的计量尺度

统计数据的四种计量尺度：

  • 定类尺度
  • 定序尺度
  • 定距尺度
  • 定比尺度

1.1 定类尺度

概念：又称列名尺度或类别尺度，是按照研究对象的某种属性将其划分为若干组或类的一种测度。

举例：性别 、籍贯、民族等

特征：

  1. 只能区分事物的类别，无法比较优劣或大小，
  2. 对应变量：名义变量，比如用 X 表示性别
  3. 文字，数值（标签）：不能加减乘除

1.2 定序尺度

概念：又称顺序尺度，它是对事物之间等级或顺序差别的一种测度。

举例：成绩 (A, B, C) 、绩点、学历、年级等。

特征：

  1. 对事物可以分类、可以比较优劣和大小，
  2. 对应变量：次序变量
  3. 文字，数值（标签）：不能加减乘除

1.3 定距尺度

概念：又称间隔尺度，是对事物类别或次序之间的间隔进行的一种测度。

举例：摄氏温度、年份等。

特征：

  1. 能分类、比较大小，计量差距
  2. 没有绝对零点，“0”表示“0”水平，不表示“没有”或“不存在”。
  3. 对应变量：定距变量
  4. 数值，可以加减，不能乘除

1.4 定比尺度

概念：也称比率尺度，是对事物之间比值的一种测度。

举例：成绩（0-100）、年龄、企业的产值利润等

特征：

  1. 分类、排序、比较大小、求出差异、计算两个数值之间的比率。
  2. 具有绝对零点，即数字 0 表示 “没有” 或 “不存在” 。
  3. 对应变量：定比变量
  4. 数值，可以加减乘除

1.5 四种计量尺度的比较

数字特征 定类尺度 定序尺度 定距尺度 定比尺度
分类 == != True True True True
排序 > < True True True
间距 + - True True
比值 * / True

四种尺度所包含的信息量是依次递增的，级别由低到高。（ 定类 < 定序 < 定距 < 定比 ）

根据较高层次的计量尺度可以获得较低层次的计量尺度。

不同的尺度数据对应着不同数据显示方法和分析方法。

1.6 统计数据的类型

定性数据 ( qualitative data ) ：由 定类 和 定序 尺度计量而成，反映事物的品质特征, 又称为属性数据。

定量数据 ( quantitative data ) ：由 定距 和 定比 尺度计量而成，反映事物的数量特征。

图 举例：

  • 定性数据：条形图、饼图

  • 定量数据：直方图，线图，茎叶图

分析方法 举例

  • 定性数据：频数，频率表，众数，列联表
  • 定量数据：均值，方差，相应回归分析

2 特殊的数据类型：时间与日期

R 语言用了一种特殊的数据类型来表示日期和时间

  • 日期用Date类来表示
  • 时间则是由两个不同的类：POS Xct 、 POSIXIt

例如：查看当前日期和时间 date() Sys.Date() Sys.time()

1
2
3
4
5
6
> date()
[1] "Mon Mar 24 21:40:23 2025"
> Sys.Date()
[1] "2025-03-24"
> Sys.time()
[1] "2025-03-24 21:40:37 CST"

CST ：英语全称为 Central Standard Time (USA) 、Central Standard Time (Australia)、China Standard Time 或 Cuba Standard Time 等四个地方。

2.1 日期 Date

  • 日期不包括时间，只表示“某年某月某日”。
  • 内部日期是以 1970年1月1日 至今的天数来存储。

2.1.1 as.Date() 函数基本使用

  • 日期作为 Date 类对象来存储，在 R 里的工作方式是输入一个字符串，比如 '1970-01-01' ，然后用 as.Date() 函数转换成日期。
  • as.Date() 方法默认传入字符串格式为 '年(4位)-月(2位)-日(2位)'；或者 '年(4位)/月(2位)/日(2位)' 。

例如：

1
2
3
4
5
6
7
8
9
10
11
12
13
> date1 <- as.Date("2025-03-25")

> mode(date1)
[1] "numeric"
> class(date1)
[1] "Date"

> date2 <- as.Date("2025/03/25")

> mode(date2)
[1] "numeric"
> class(date2)
[1] "Date"

2.1.2 unclass(Date) 计算日期差

因为 R 语言采用距离 1970年1月1日 的天数来存储日期，所以使用 unclass() 可以检查距离 1970/01/01/ 相差的日期数。

1
2
3
4
5
6
7
8
> unclass(as.Date("2025/03/25"))
[1] 20172

> unclass(as.Date("1970/01/01"))  # 距离 0 天
[1] 0

> unclass(as.Date("1969/12/31"))  # 相差 -1 天
[1] -1

2.1.3 as.Date() 日期格式

默认格式：as.Date 函数的默认日期格式为 '年(4位)-月(2位)-日(2位)' 例如"2008-10-24"

自定义格式：

as.Date 函数支持通过 format 参数指定自定义日期格式。

符号 含义 示例
%d 数字表示的日期 01~31
%a 缩写的星期名 Mon
%A 非缩写星期名 Monday
%m 月份（00-12） 00~12
%b 缩写的月份 Jan
%B 非缩写月份 January
%y 两位数的年份 07
%Y 四位数的年份 2007

示例：

1
2
as.Date("10/24/08", format="%m/%d/%y")
as.Date("October-24-2008", format="%B-%d-%Y")

2.1.4 日期计算

R 语言支持直接计算两个日期之间的差异，结果为 difftime 类型。

示例：

1
2
3
4
5
6
T1 <- as.Date("October-24-2008", format="%B-%d-%Y")
T2 <- as.Date("October-28-2008", format="%B-%d-%Y")
time_diff <- T2 - T1
print(time_diff)  # Time difference of 4 days
class(time_diff)  # "difftime"
mode(time_diff)   # "numeric"

注意事项

  • 如果日期字符串格式与 format 参数不匹配，as.Date 函数会返回 NA。
  • 确保日期格式化符号与日期字符串中的分隔符一致。

2.2 时间 Times

2.2.1 strptime() 函数

strptime() 函数用于将字符串解析为时间对象。其语法如下：

1
strptime(x, format, tz = "")

参数说明

  • x: 表示时间的字符串。
    例如："October-7-2015 10:40:30"，"December 9, 2011 9:10"。
  • format: 转换格式，需与字符串格式对应。
    例如：%B-%d-%Y %H:%M:%S，%B %d, %Y %H:%M。
  • tz: 表示时区，默认为当前时区。
    例如：CST（北京时区），GMT（格林威治时间），UTC（世界协调时间）。

格式化符号

符号 含义 示例
%B 英文全拼月份 October
%d 第几天（01-31） 07
%Y 带世纪的年份 2015
%H 小时（00-24） 10
%M 分钟（00-59） 40
%S 秒（00-61） 30

示例代码

解析时间字符串

1
2
3
4
> datestring <- c("10 7, 2015 10:40", "10 9, 2011 9:10")
> x <- strptime(datestring, "%m %d, %Y %H:%M")
> print(x)
[1] "2015-10-07 10:40:00 CST" "2011-10-09 09:10:00 CST"

查看对象类型

1
2
> class(x)
[1] "POSIXlt" "POSIXt"

注意事项

  1. 格式匹配：确保 format 参数与时间字符串的格式完全一致，否则会返回 NA。
  2. 时区设置：如果未指定 tz 参数，默认使用当前时区。
  3. 大小写敏感：格式化符号（如 %B）区分大小写，需确保正确使用。

2.2.2 POSIXct 和 POSIXlt

R 语言中，时间用两种类型表示：POSIXct 和 POSIXlt。

1. POSIXct

定义：时间用大整数表示，即从 1970 年 1 月 1 日至今的秒数。

特点：

  • 适合存储在数据框中，因为它本质上是一个很大的整数向量。
  • 适用于时间戳计算和存储。

示例：

1
2
3
> time_ct <- as.POSIXct("2023-10-05 14:30:00")
> print(time_ct)
[1] "2023-10-05 14:30:00 CST"
2. POSIXlt

定义：时间以列表形式存储，包含更多与时间相关的信息。

特点：

  • 包含星期几、一年中的第几天、月份、日期等详细信息。
  • 适合需要提取具体时间信息的场景。

示例：

1
2
3
> time_lt <- as.POSIXlt("2023-10-05 14:30:00")
> print(time_lt)
[1] "2023-10-05 14:30:00 CST"

提取具体信息：

1
2
3
4
5
6
> print(time_lt$wday) # 星期几（0=周日，1=周一，...）
[1] 4
> print(time_lt$yday) # 一年中的第几天（0-365）
[1] 277
> print(time_lt$mon) # 月份（0-11，0=1月，1=2月，...）
[1] 9

2.2.3 类型转换

使用 as.POSIXct() 和 as.POSIXlt() 函数可以在 POSIXct 和 POSIXlt 之间进行转换。

示例

1
2
3
4
5
6
7
8
9
> # 从 POSIXct 转换为 POSIXlt
> time_lt <- as.POSIXlt(time_ct)
> print(time_lt)
[1] "2023-10-05 14:30:00 CST"

> # 从 POSIXlt 转换为 POSIXct
> time_ct <- as.POSIXct(time_lt)
> print(time_ct)
[1] "2023-10-05 14:30:00 CST"

注意事项

时区问题：默认情况下，R 使用当前时区（如 CST）。可以通过 tz 参数指定时区，例如：

1
2
> as.POSIXct("2023-10-05 14:30:00", tz = "UTC")
[1] "2023-10-05 14:30:00 UTC"

时间格式：确保时间字符串与 as.POSIXct() 或 as.POSIXlt() 的默认格式（%Y-%m-%d %H:%M:%S）一致，否则需要指定 format 参数。

2.2.4 时间处理注意事项

as.POSIXlt() 函数用于将时间转换为 POSIXlt 类，该类以列表形式存储时间信息，便于提取具体的时间元素（如秒、分钟、小时等）。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
> # 获取当前时间
> x <- Sys.time()
> print(x) # 输出当前时间
[1] "2025-03-25 12:33:14 CST"

> # 查看时间类型
> class(x)
[1] "POSIXct" "POSIXt" 

> # 转换为 POSIXlt 类
> tempx <- as.POSIXlt(x)
> print(tempx) # 输出转换后的时间
[1] "2025-03-25 12:33:14 CST"

> # 解构 POSIXlt 对象
> unclass(tempx) # 查看内部结构
# 包含许多属性，例如：$sec [1] 14.19524 、 $min [1] 33 等

> # 提取秒数 （POSIXlt 类 才可以提取秒数）
> seconds <- tempx$sec
> print(seconds) # 输出秒数（可能包含小数部分）
[1] 14.19524

计算日期差

1
2
3
4
5
6
7
8
> # 定义两个日期
> x <- as.Date("2012-03-01")
> y <- as.Date("2012-02-28")

> # 计算日期差
> time_diff <- x - y
> print(time_diff) # 输出: Time difference of 2 days
Time difference of 2 days

比较日期大小

1
2
3
4
> # 比较日期
> is_later <- x > y
> print(is_later)
[1] TRUE

只有同一类型的时间才可以比较计算等。