为什么dplyr的mutate()函数会改变时间格式？

Question

我使用readr读取的数据中包含一个时间格式的日期列。我可以使用readr的col_types选项正确地读取它。

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。然而，如果我想用dplyr操作这一列，时间列就会失去它的格式。

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

为什么会发生这种情况？

我知道我可以通过先将它转换为字符来解决这个问题，但是不进行来回转换会更加方便。

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

- janosdivenyi

Answer 1

实际上导致这个问题的是 ifelse()，而不是 dplyr::mutate()。在 help(ifelse) 中展示了属性剥离的问题。

## 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)

所以，你就是这样。如果你想使用ifelse()，那就需要多做一些工作。这里有两种可能的方法可以让你达到所需的结果而不使用ifelse()。第一种方法非常简单，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

如果您不希望选择那条路线，而希望继续使用 dplyr 方法，您可以使用 replace() 代替 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))

- Rich Scriven

Answer 2

在dplyr中，@hadley制作了另一个版本的if_else。它能正确处理时间变量。同时，查看这个GitHub问题。

- Alexander