R语言如何自动为时间序列数据按每日维度拆分生成子集

实现方案 #

你已经加载了tibbletime和dplyr，可以直接用dplyr的group_split()函数配合日期分组完成自动拆分，不需要手动逐个写日期筛选逻辑：

# 1. 给tbl_time对象新增日期列，提取时间戳的日期部分
bio2_table <- bio2_table %>%
  mutate(obs_date = as.Date(你的时间列名)) # 此处替换为你实际的时间列名称，比如样例第二列如果叫datetime就填datetime

# 2. 按日期分组拆分，得到一个列表，每个元素对应单日的data frame
daily_df_list <- bio2_table %>%
  group_by(obs_date) %>%
  group_split(.keep = FALSE) # .keep=FALSE代表生成的单日df不保留新增的obs_date列，需要留存的话改成TRUE

# 3. 给列表内的每个df按日期命名，方便后续调用
names(daily_df_list) <- unique(bio2_table$obs_date)

调用方式 #

之后要提取某一天的数据，直接用日期索引即可，比如取2021-10-20的数据：

day_20211020 <- daily_df_list[["2021-10-20"]]

如果确实需要把每个单日df单独存为全局环境的独立变量（更推荐用列表统一管理，一年365个独立变量查找、批量处理都很麻烦），可以用下面的代码批量生成：

# 批量生成全局变量，变量名格式为day_年月日
lapply(names(daily_df_list), function(x) {
  assign(paste0("day_", gsub("-", "", x)), daily_df_list[[x]], envir = .GlobalEnv)
})

注意事项 #

• 确保你的时间列已经是POSIXct/POSIXlt格式，as.Date()才能正确提取日期
• 用列表统一管理单日数据后续批量统计、绘图都可以直接用lapply循环处理，不需要重复写代码，效率更高

内容的提问来源于stack exchange，提问作者Ari Kollias