根据R中的日期删除数据框的行

Question

我有一个超过4000列和3000行的数据框。 列是公司，行有每日股票收盘价。 这些行具有基于月份日期的每日观察数据。 现在，我想删除每个月的最后一个日期之间的行，即我想基于我的数据框中的月份的可用日期，仅获取一个月的最后一天的数据。 每个月的最后日期应根据我的数据框中可用的日期列来确定。 我的问题与其他人的主要挑战和不同之处是上个月的日期应根据我数据框中提供的日期确定。 它的财务数据和非交易日也没有。 的交易日有别于其他类型的行业，我举例说明了我的数据框的一部分。

Date        A   B
30/12/1999  1   3
04/01/2000  1   3
05/01/2000  1   3
06/01/2000  1   3
07/01/2000  1   3
10/01/2000  1   3
11/01/2000  1   3
12/01/2000  1   3
13/01/2000  1   3
14/01/2000  1   3
17/01/2000  1   3
18/01/2000  1   3
19/01/2000  1   3
20/01/2000  1   3
21/01/2000  1   3
24/01/2000  1   3
25/01/2000  1   3
26/01/2000  1   3
27/01/2000  1   3
28/01/2000  1   3
31/01/2000  1   3
01/02/2000  1   3
02/02/2000  1   3
03/02/2000  1   3
04/02/2000  1   3
07/02/2000  1   3
08/02/2000  1   3
09/02/2000  1   3
10/02/2000  1   3
11/02/2000  1   3
14/02/2000  1   3
15/02/2000  1   3
16/02/2000  1   3
17/02/2000  1   3
18/02/2000  1   3
21/02/2000  1   3
22/02/2000  1   3
23/02/2000  1   3
24/02/2000  1   3
25/02/2000  1   3
28/02/2000  1   3
29/02/2000  1   3

所需的输出

Date        A   B
30/12/1999  1   3
31/01/2000  1   3
29/02/2000  1   3

在这方面，您的帮助我将非常感谢。

Answer 1

使用lubridate和dplyr ，首先解析Date

library(lubridate)
library(dplyr)
df$Date <- dmy(df$Date)

现在我们可以建立一个dplyr链来过滤：

df %>% group_by(month = month(Date), year = year(Date)) %>%  filter(Date == max(Date))

我们在group_by month和year列添加的位置，然后仅向下filter为每个组的max日期。 它返回

Source: local data frame [3 x 5]
Groups: month, year [3]

        Date     A     B month  year
      (time) (int) (int) (dbl) (dbl)
1 1999-12-30     1     3    12  1999
2 2000-01-31     1     3     1  2000
3 2000-02-29     1     3     2  2000

当然，如果愿意，您也可以在R基中完成所有这些操作。

编辑： H / T @Jaap建议使用group_by添加列而不是单独的mutate 。 您也可以使用slice(which.max(Date))代替filter条件； 如果担心的话，可能会更快地提示。

Answer 2

我们也可以使用data.table

library(data.table)
library(lubridate)
setDT(df1)[, c('month', 'year', 'Date') :={tmp <- dmy(Date)
  list(month= month(tmp), year= year(tmp), Date= tmp)}
  ][, .SD[ which.max(Date)] ,.(month, year)]
#   month year       Date A B
#1:    12 1999 1999-12-30 1 3
#2:     1 2000 2000-01-31 1 3
#3:     2 2000 2000-02-29 1 3

Answer 3

这是另一种可能性：

month_year <- as.numeric(as.factor(sub("^[0-9]*/","",df1$Date)))
df1[!!c(diff(month_year),1),]
#         Date A B 
#1  30/12/1999 1 3 
#21 31/01/2000 1 3 
#42 29/02/2000 1 3 

此解决方案不会更改原始数据框中日期的格式。 但是，假定该数据按时间顺序排序，就像在OP中显示的数据一样。

数据

df1 <- structure(list(Date = structure(c(41L, 4L, 6L, 7L, 8L, 12L, 14L, 
16L, 17L, 18L, 22L, 24L, 26L, 27L, 28L, 32L, 34L, 36L, 37L, 38L, 
42L, 1L, 2L, 3L, 5L, 9L, 10L, 11L, 13L, 15L, 19L, 20L, 21L, 23L, 
25L, 29L, 30L, 31L, 33L, 35L, 39L, 40L), .Label = c("01/02/2000", 
"02/02/2000", "03/02/2000", "04/01/2000", "04/02/2000", "05/01/2000", 
"06/01/2000", "07/01/2000", "07/02/2000", "08/02/2000", "09/02/2000", 
"10/01/2000", "10/02/2000", "11/01/2000", "11/02/2000", "12/01/2000", 
"13/01/2000", "14/01/2000", "14/02/2000", "15/02/2000", "16/02/2000", 
"17/01/2000", "17/02/2000", "18/01/2000", "18/02/2000", "19/01/2000", 
"20/01/2000", "21/01/2000", "21/02/2000", "22/02/2000", "23/02/2000", 
"24/01/2000", "24/02/2000", "25/01/2000", "25/02/2000", "26/01/2000", 
"27/01/2000", "28/01/2000", "28/02/2000", "29/02/2000", "30/12/1999", 
"31/01/2000"), class = "factor"), A = c(1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L), B = c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L
)), .Names = c("Date", "A", "B"), class = "data.frame", row.names = c(NA, 
-42L))

Answer 4

我将创建一个包含您的数据的月末日期的向量，如下所示：

library(dplyr)
df.dates = seq(as.Date("1999-01-01"),as.Date(Sys.Date()),by="months")-1
df.dates = as.data.frame(df.dates)
names(df.dates) = "Date"
df.joined = inner_join(df.dates, df)

假设您将数据保存在数据框中，且数据列的日期为“ Date”

*重新阅读问题，如果最后一个交易日不是该月的最后一天，则将无法使用。 @alistaire使用max（Date）有更好的解决方案