yumd()와 year()를 사용하여 다른 결과를 얻을 수 있습니다.

Question

ymd()와 year()를 사용하여 연도별로 서브 로트를 얻는 중입니다. 그 불균형을 일으키는 원인이 무엇인지 알아 내려고합니다. .

331kb 10K 날짜가있는 CSV 파일은 here입니다. Google 드라이브 및 Dropbox를 가리키는 URL이 내 초보자 기술을 뛰어 넘는 오류를 계속 발생 시켰습니다.

require(data.table) 
require(lubridate) 

teaSet <- fread("../teaSet.csv", na.strings=c("NA","N/A", "")) 
teaSet$opened <- ymd_hms(teaSet$opened, tz = "") 
teaSet$year <- as.factor(teaSet$year) 

ymd2010 <- teaSet[opened >= ymd("2010-01-01") & opened <= ymd("2010-12-31"),] 
#1480 obs. 
year2010 <- teaSet[year(opened)==2010,] 
#1483 obs 

summary(teaSet$year) 
#2010 2011 2012 2013 2014 2015 2016 
#1483 1408 1317 1414 1521 1701 1156 

내가 누락 된 내용을 누구든지 설명 할 수 있습니까? 나는 날짜 범위별로 부분 집합을하고 년()과 연도()와 ymd() 개수가 다른 것으로 나타났습니다. 일을 가속화하기 위해 수년간 요소 컬럼을 만들었습니다. (그리고 "똑똑하게"연도 "라고 부름) - 데이터 세트에 1,300 만 행이 있습니다.하지만 제 질문에는 직접 관련이 없습니다. 시작했을 때 좋은 생각 인 것 같았습니다. 나는 다른 표본 크기를 만들었고 불균형은 크기에 따라 변하지 않았습니다. 감사!

Answer 1

ymd ("2010-12-31")는 12 시가 아니라 31시에 오전 12시입니다.
가능한 해결책을 볼 수있는 2 가지 옵션이 있습니다. 다음 날 필터를 사용하거나 모든 날짜/시간을 GMT가있는 날짜로 변환하십시오.

개봉을 변경하면 < = ymd ("2011-1-1")가 열리게됩니다.

require(lubridate) 
library(data.table) 

teaSet <- fread("teaSet.csv", na.strings=c("NA","N/A", "")) 
teaSet$opened <- ymd_hms(teaSet$opened, tz = "") 
teaSet$year <- as.factor(teaSet$year) 

ymd2010 <- teaSet[opened >= ymd("2010-01-01") & opened < ymd("2011-1-1"),] 
print(dim(ymd2010)) 

#a second possible option - not as clean as the prior one 
teaSet$opened <- ymd_hms(teaSet$opened, tz = "GMT") 
ymd2010_2 <-teaSet[as.Date(opened) >= ymd("2010-01-01") & as.Date(opened) <= ymd("2010-12-31")] 
print(dim(ymd2010_2)) 

year2010 <- teaSet[year(opened)==2010,] 

print(dim(year2010)) 
summary(teaSet$year) 

나는 시간대 문제가 직관적이지 않지만 그것이 무엇인지 동의합니다. 원래 솔루션의 불일치를 테스트하고 잡기에 좋은 직장입니다.