Question

这已被多次询问，没有明确的答案：我想转换形式为＆＃34; YYYY-mm-dd＆＃34;的R字符串。进入Date。 as.Date功能非常慢。 convert character to date *quickly* in R使用适用于1970年以后日期的fasttime提供解决方案。我的问题是我有从1900年开始的日期，我需要转换，其中大约有1亿。我必须经常这样做，所以速度很重要。还有其他解决方案吗？

Answer 1

使用date包可以获得一点加速：

library(date)
set.seed(21)
x <- as.character(Sys.Date()-sample(40000, 1e6, TRUE))
system.time(dDate <- as.Date(x))
#    user  system elapsed 
#    6.54    0.01    6.56 
system.time(ddate <- as.Date(as.date(x,"ymd")))
#    user  system elapsed 
#    3.42    0.22    3.64

您可能希望查看它使用的C代码，看看是否可以根据具体情况对其进行修改。

Answer 2

前一段时间我遇到过类似的问题，并提出了以下解决方案：

将字符串转换为因子（如果不是因素）
将因子的级别转换为日期
将转换后的级别展开<使用因子

的索引向量
延伸Joshua Ulrich的例子，我得到了（我的笔记本电脑上的时间更慢）

library(date) set.seed(21) x <- as.character(Sys.Date()-sample(40000, 1e6, TRUE)) system.time(dDate <- as.Date(x)) # user system elapsed # 12.09 0.00 12.12 system.time(ddate <- as.Date(as.date(x,"ymd"))) # user system elapsed # 6.97 0.04 7.05 system.time({ xf <- as.factor(x) dDate <- as.Date(levels(xf))[as.integer(xf)] }) # user system elapsed # 1.16 0.00 1.15

这里，一旦x足够大并且步骤3非常好地缩放（简单矢量索引），步骤2就不依赖于x的长度。瓶颈应该是步骤1，如果数据已经存储为因素，则可以避免这种情况。

Answer 3

来自＆＃39; lubridate＆＃39;的函数parse_date_time包也很快：

library(date)
library(lubridate)
set.seed(21)
x <- as.character(Sys.Date()-sample(40000, 1e6, TRUE))
system.time(date1 <- as.Date(x))
#  user  system elapsed 
# 12.86    0.00   12.94 
system.time(date2 <- as.Date(as.date(x,"ymd"))) # from package 'date'
#  user  system elapsed 
#  4.82    0.00    4.85 
system.time(date3 <- as.Date(parse_date_time(x,'%y-%m-%d'))) # from package 'lubridate'
#  user  system elapsed 
#  0.27    0.00    0.26 
all(date1 == date2)
#  TRUE
all(date1 == date3)
#  TRUE

Answer 4

进一步加速：您已经使用data.table。因此，创建一个包含日期的查找表，并将它们与您的数据合并。

library(lubridate)
library(data.table)

y <- seq(as.Date('1900-01-01'), Sys.Date(), by = 'day')
id.date <- data.table(id = as.character(y), date = as.Date(y), key = 'id')

set.seed(21)
x <- as.character(Sys.Date()-sample(40000, 1e6, TRUE))

system.time(date3 <- as.Date(parse_date_time(x,'%y-%m-%d'))) # from package 'lubridate'
#  user  system elapsed 
#  0.15  0.00   0.15  

system.time(date4 <- id.date[setDT(list(id = x)), on='id', date])
#  user  system elapsed 
#  0.08  0.00   0.08

all(date3 == date4)
# TRUE

这是一种解决方法，但我相信data.table是如何使用的。我不知道上面提到的时间/日期包是基于算法还是基于查找表（哈希表）。

对于较大的数据集，只要涉及到字符操作，这往往会很慢，我会考虑切换到查找参考表。

Answer 5

考虑令人难以置信的快速anytime库，这对1970年来说很好。问题。它使用Boost date_time C ++库，并为转换提供函数anytime()和anydate()。比较：

require(anytime)        #anydate()
require(lubridate)      #parse_date_time()
require(microbenchmark) #microbenchmark()

set.seed(21)
test.dd <- as.Date("2018-05-16") - sample(40000, 1e6, TRUE) #1 mln. random dates

microbenchmark(
    strptime(test.dd, "%Y-%m-%d"),                     #basic strptime
    parse_date_time(test.dd, orders = "ymd"),          #lubridate (POSIXct class)
    as.Date(parse_date_time(test.dd, orders = "ymd")), #lubridate + date class conversion
    anydate(test.dd),                                  #anytime library
    times = 10L, unit = "s"
)

结果/输出：

Unit: seconds
                                             expr          min           lq         mean       median           uq          max neval cld
                    strptime(test.dd, "%Y-%m-%d") 10.177406012 10.472527403 1.064532e+01 10.621221596 10.819156870 11.288330598    10   c
         parse_date_time(test.dd, orders = "ymd")  4.541542019  4.603663894 4.844961e+00  4.869800287  5.055844972  5.128409226    10  b 
as.Date(parse_date_time(test.dd, orders = "ymd"))  4.461140695  4.568415584 4.867837e+00  4.739026273  5.080610126  5.532028490    10  b 
                                 anydate(test.dd)  0.000000755  0.000004909 5.777500e-06  0.000005664  0.000006042  0.000012839    10 a

P.S。要使用时间序列，请考虑使用flipTime库。它具有所有必需的工具，几乎与转换目的anytime一样快：

require(devtools)
install_github("Displayr/flipTime")

将字符串日期转换为所有日期的R Date FAST

5 个答案: