为什么dplyr的mutate()会改变时间格式？

Question

我使用readr读入包含时间格式的日期列的数据。我可以使用 readr 的 col_types 选项正确读取它。

library(dplyr)
library(readr)

sample <- "time,id
2015-03-05 02:28:11,1674
2015-03-03 13:10:59,36749
2015-03-05 07:55:48,NA
2015-03-05 06:13:19,NA
"

mydf <- read_csv(sample, col_types="Ti")
mydf
                 time    id
1 2015-03-05 02:28:11  1674
2 2015-03-03 13:10:59 36749
3 2015-03-05 07:55:48    NA
4 2015-03-05 06:13:19    NA

这很好。但是，如果我想用 dplyr 操作此列，时间列将失去其格式。

mydf %>% mutate(time = ifelse(is.na(id), NA, time))
        time    id
1 1425522491  1674
2 1425388259 36749
3         NA    NA
4         NA    NA

为什么会这样？

我知道我之前可以通过将其转换为字符来解决这个问题，但是不来回转换会更方便。

mydf %>% mutate(time = as.character(time)) %>% 
    mutate(time = ifelse(is.na(id), NA, time))

Answer 1

实际上是 ifelse() 导致了这个问题，而不是 dplyr::mutate()。 help(ifelse) -

中显示了属性剥离问题的示例

## ifelse() strips attributes
## This is important when working with Dates and factors
x <- seq(as.Date("2000-02-29"), as.Date("2004-10-04"), by = "1 month")
## has many "yyyy-mm-29", but a few "yyyy-03-01" in the non-leap years
y <- ifelse(as.POSIXlt(x)$mday == 29, x, NA)
head(y) # not what you expected ... ==> need restore the class attribute:
class(y) <- class(x)

好了。如果你想使用 ifelse()，这会有点额外的工作。这里有两种可能的方法可以让您在没有 ifelse() 的情况下获得想要的结果。第一个非常简单，使用 is.na<-.

## mark 'time' as NA if 'id' is NA
is.na(mydf$time) <- is.na(mydf$id)

## resulting in
mydf
#                  time    id
# 1 2015-03-05 02:28:11  1674
# 2 2015-03-03 13:10:59 36749
# 3                <NA>    NA
# 4                <NA>    NA

如果您不想选择该路线，并希望继续使用 dplyr 方法，您可以使用 replace() 而不是 ifelse()。

mydf %>% mutate(time = replace(time, is.na(id), NA))
#                  time    id
# 1 2015-03-05 02:28:11  1674
# 2 2015-03-03 13:10:59 36749
# 3                <NA>    NA
# 4                <NA>    NA

数据：

mydf <- structure(list(time = structure(c(1425551291, 1425417059, 1425570948, 
1425564799), class = c("POSIXct", "POSIXt"), tzone = ""), id = c(1674L, 
36749L, NA, NA)), .Names = c("time", "id"), class = "data.frame", row.names = c(NA, 
-4L))

Answer 2

还有 if_else 的另一个版本 @hadley in dplyr. It correctly manage time variables. Look at this github issue。

为什么dplyr的mutate()会改变时间格式？

Why does dplyr's mutate() change the time format?

r

dplyr

readr