PAYATHON 2026

如何在 R 中识别日期的最小时间步长及对应的 lubridate 时间单位?

技术老齐

仅凭取整后的日期,无法唯一确定 round_date()、floor_date() 或 ceiling_date() 当时使用的 unit。如果自动化工作流需要知道原始单位,应在取整时一并保存。

题目中的两个例子可以按这样的约定处理:按指定优先级,检查所有日期是否都落在某个单位的边界上,返回第一个匹配的单位。这样可以得到 "month" 和 "day",但它们只是根据日期推断出的候选单位。

为什么无法还原原始单位?

不同的取整参数可能产生同一组日期。例如,下面这些日期既是月初,也是当天的起点:

library(lubridate)

x <- as.Date(c("2021-05-01", "2021-06-01", "2021-07-01"))

identical(
  floor_date(x, unit = "month"),
  floor_date(x, unit = "day")
)
# [1] TRUE

仅看结果,无法判断之前用的是 "month" 还是 "day"。如果再加入小时、分钟等候选单位,歧义会更多。

用相邻日期的最小间隔也无法直接判断。题目中的月初日期,相邻间隔分别为 31 天和 30 天。日历月的天数并不固定,不能把最小间隔 30 天直接解释为 "month"。

根据日期边界推断候选单位

floor_date(x, unit = u) 会把日期向下取整到单位 u 的边界。如果所有日期都满足:

x == floor_date(x, unit = u)

就说明它们都落在该单位的边界上。不过,这项检查无法证明此前使用过该参数。取整函数及其参数规则可查阅 lubridate 官方文档。

对于题目中的纯日期数据,可以用 vapply() 遍历候选单位,无须为每个单位单独编写条件分支:

cool_function <- function(
    x,
    units = c("year", "month", "week", "day"),
    week_start = 7
) {
  if (is.character(x)) {
    parsed <- as.Date(x, format = "%Y-%m-%d")

    if (any(!is.na(x) & is.na(parsed))) {
      stop("存在无法解析的日期,请使用 YYYY-MM-DD 格式。")
    }

    x <- parsed
  }

  if (!inherits(x, "Date")) {
    stop("x 必须是 Date 向量或 YYYY-MM-DD 格式的字符向量。")
  }

  x <- unique(x[!is.na(x)])

  # 保守约定:至少需要两个不同的有效日期
  if (length(x) < 2L) {
    return(NA_character_)
  }

  matches <- vapply(
    units,
    function(u) {
      all(x == lubridate::floor_date(
        x,
        unit = u,
        week_start = week_start
      ))
    },
    logical(1)
  )

  if (!any(matches)) {
    return(NA_character_)
  }

  unname(units[which(matches)[1L]])
}

调用示例:

dates_m <- c("2021-05-01", "2021-06-01", "2021-07-01")
dates_d <- c("2021-05-01", "2021-05-02", "2021-05-14")

cool_function(dates_m)
# [1] "month"

cool_function(dates_d)
# [1] "day"

第一组日期都在月初,优先匹配 "month"。第二组日期既不全在月初,也不全在周起点,因此匹配 "day"。

函数按候选顺序返回第一个匹配的边界单位,不要求日期连续,也不保证相邻观测恰好相差一个单位。例如,两个相隔数月的月初日期,仍可能返回 "month"。

自动化工作流应保存取整参数

要准确知道此前使用的单位,更可靠的做法是直接保存参数:

unit <- "month"
week_start <- 1

result <- list(
  dates = lubridate::floor_date(
    as.Date(dates_d),
    unit = unit,
    week_start = week_start
  ),
  rounding = list(
    method = "floor_date",
    unit = unit,
    week_start = week_start
  )
)

result$rounding$unit
# [1] "month"

这样也能保留 "2 months" 等完整参数,省去从结果反推的步骤。使用 ceiling_date() 时,还应记录 change_on_boundary,因为它会影响边界值的处理方式。

使用时需要明确的限制

  • 候选顺序决定返回结果。默认顺序是 "year"、"month"、"week"、"day"。月边界和周边界并非严格嵌套;多个单位匹配时,函数返回排在前面的那个。
  • 可以在 units 中加入 "quarter"、"halfyear" 等日历单位,并自行安排优先级。函数只检查传入的候选项,不会枚举所有可能的取整参数。
  • week_start 应与之前的取整设置一致。上面的函数使用 7,表示周日;如果以周一为一周的起点,传入 week_start = 1。参见官方参数说明。
  • 该实现只处理纯日期,会忽略已有的 NA,并在不同的有效日期不足两个时返回 NA_character_。如果需要识别小时、分钟或秒,应保留 POSIXct 和原始时区;先转换为 Date 会丢失这些信息。

备注:内容仅供参考。