使用plyr包ddply函数统计每日数据时如何忽略时间仅按年月日分组

解决方法 #

你遇到的问题根源是Timestamp为带时分秒的POSIXct时间类型，ddply默认会按精确到秒的时间值分组，只要把分组维度转为仅保留年月日的日期类型即可解决，两种实现方式如下：

方式1：直接在分组参数中转换

不需要修改原始数据框，直接在分组变量处调用as.Date()处理时间戳：

# 直接转换分组维度，分组后的日期列默认名为as.Date(Timestamp)
df_users_per_day <- ddply(df, ~as.Date(Timestamp), summarise, statements = length(unique(User)))

如果需要自定义分组后的日期列名，可以调整为.()的分组写法：

df_users_per_day <- ddply(df, .(Date = as.Date(Timestamp)), summarise, statements = length(unique(User)))

方式2：提前生成日期列再分组

如果后续分析也需要用到日期维度，可以先给原数据框新增日期列再分组统计：

# 新增仅保留年月日的日期列
df <- df %>% mutate(Date = as.Date(Timestamp))
# 按日期列分组统计每日独立用户数
df_users_per_day <- ddply(df, ~Date, summarise, statements = length(unique(User)))

注意事项

如果你的时间数据涉及跨时区场景，可以在as.Date()中指定时区参数避免日期计算错误，示例：

as.Date(Timestamp, tz = "Asia/Shanghai")

内容的提问来源于stack exchange，提问作者user16949460