R语言与格式、日期格式、格式转化

合集下载

r语言数据转换成时间序列

# 将数据框转换为时间序列对象 ts_data <- ts(data$value, start = c(2022, 1), frequency = 12)
在上面的示例中，我们创建了一个包含日期和值的数据框。然后，使用 ts 函数将值列转换为时间序列对象 ts_data 。start 参数指定时间序列的起始时间，这里设置为 2022 年 1 月， frequency 参数指定频率，这里设置为每年 12 个数据点。
r 语言数据转换成时间序列
在 R 语言中，将数据转换为时间序列的常见方法是使用 ts 函数和 xts 包。
1. 使用 ts 函数：ts 函数可用于将一维或二维数据转换为时间序列对象。
RCopy Code # 创建一个简单的数据框 data <- data.frame(
date = c("2022-01-01"022-03-01"), value = c(10, 15, 12) )
通过以上方法，可以将 R 语言中的数据转换为时间序列对象，便于进行时间序列分析和操作。
date = as.Date(c("2022-01-01", "2022-02-01", "2022-0301")),
value = c(10, 15, 12) )
# 将数据框转换为时间序列对象 xts_data <- xts(data$value, order.by = data$date)
在上面的示例中，我们创建了一个包含日期和值的数据框。然后，使用 xts 函数将值列转换为时间序列对象 xts_data 。 order.by 参数指定日期列，用于按日期排序。
2. 使用 xts 包： xts 包提供了更强大和灵活的时间序列操作功能。首先确保已安装并加载 xts 包：

R语言学习系列02-基本数据类型与日期时间变量

02. 基本数据类型与日期时间变量一、基本数据类型1. R语言的基本数据类型包括：数值型、逻辑型、字符型、缺省值、浮点型、复数型、整数型等。

例1 数据类型的判别与转换> a<-1:10>is.numeric(a)[1] TRUE>is.integer(a)[1] TRUE> b<-as.character(a)>is.character(b)[1] TRUE2.查看对象的类型函数Class()/typeof()/mode()，基本格式相同：class(x)其中x为要查看的对象。

注：在展现数据的细节上，mode()<class()<typeof()二、日期时间变量1. 日期值通常以字符串形式传入R中，然后转化为以数值形式存储的日期变量。

注意：R的内部日期是以1970年1月1日至今的天数来存储，内部时间则是以1970年1月1日至今的秒数来存储。

读取系统当前日期时间的函数（注意大小写）：（1）S ys.Date()——返回系统当前的日期（2）S ys.time()——返回系统当前的日期和时间（3）d ate()——返回系统当前的日期和时间（字符串形式）2. 日期时间转化函数（1）字符串型日期变量转化为日期变量函数as.Date()，基本格式为：as.Date(x,format=" ",...)其中，x为字符串型日期值，format指定日期格式。

表2日期时间格式注意：as.Date()只能转化包含年月日星期的字符串，无法转化具体到时间的字符串。

例2将字符型日期转化为日期变量> day<-"07/28/2016" #创建字符串日期值>day[1] "07/28/2016"> date<-as.Date(day,"%m/%d/%Y") #转化为日期变量>date[1] "2016-07-28"（2）字符串日期时间变量转化为时间变量函数as.POSIXlt()与as.POSIXct()，前者为“字符串式”存储，后者为“整数（秒数）”存储，基本格式为：as.POSIXlt(x,tz=" ", format)as.POSIXct(x,tz=" ", format)其中，x为字符串型日期时间值，tz指定转化后的时区（" "为当前时区，“GMT”为格林尼治标准时也是协调世界时UTC的俗称，“CST”为中国标准时即北京时间）；format指定日期时间格式。

R语言时间序列中文教程

R语言时间序列中文教程R语言是一种广泛应用于统计分析和数据可视化的编程语言。

它提供了丰富的函数和包，使得处理时间序列数据变得非常方便。

本文将为大家介绍R语言中时间序列分析的基础知识和常用方法。

R语言中最常用的时间序列对象是`ts`对象。

通过将数据转换为`ts`对象，可以使用R语言提供的各种函数和方法来分析时间序列数据。

我们可以使用`ts`函数将数据转换为`ts`对象，并指定数据的时间间隔、起始时间等参数。

例如，对于按月份记录的时间序列数据，可以使用以下代码将数据转换为`ts`对象：```Rts_data <- ts(data, start = c(2000, 1), frequency = 12)```在时间序列分析中，常用的一个概念是平稳性。

平稳性表示时间序列的均值和方差在时间上不发生显著变化。

平稳时间序列的特点是，它的自相关函数(ACF)和偏自相关函数(PACF)衰减得很快。

判断时间序列是否平稳可以通过绘制序列的线图和计算序列的自相关函数来进行。

我们可以使用R语言中的`plot`函数和`acf`函数来实现。

例如，对于一个名为`ts_data`的时间序列数据，可以使用以下代码绘制序列的线图和自相关函数图：```Rplot(ts_data)acf(ts_data)```在进行时间序列分析时，经常需要进行模型拟合和预测。

R语言提供了一些常用的函数和包，用于时间序列的模型拟合和预测。

其中，最常用的方法是自回归移动平均模型(ARIMA)。

ARIMA模型是一种广泛应用于时间序列分析的统计模型，它可以描述时间序列数据中的长期趋势、季节性变动和随机波动等特征。

我们可以使用R语言中的`arima`函数来拟合ARIMA模型，并使用`forecast`函数来进行预测。

以下是一个使用ARIMA模型进行时间序列预测的示例代码：```Rmodel <- arima(ts_data, order = c(p, d, q))forecast_result <- forecast(model, h = 12)```以上代码中，`p`、`d`和`q`分别表示ARIMA模型的自回归阶数、差分阶数和移动平均阶数。

r语言as.posixct用法

R语言as.posixct用法1.介绍在R语言中，as.p os i xc t函数是用来将不同格式的日期、时间数据转换为P OS IX ct格式的函数。

P OS IX ct是R中用来表示日期和时间的一种数据类型，可以方便地进行日期和时间的计算和操作。

本文将详细介绍a s.p os ix ct函数的用法，以帮助读者更好地理解和应用该函数。

2. as.posixc t函数的基本用法a s.p os ix ct函数的基本语法如下：```Ra s.p os ix ct(x,t z=N U LL)```其中，参数x代表需要转换的日期、时间数据，参数t z代表时区信息（可选）。

接下来将具体介绍每个参数的功能和使用方法。

2.1x参数x参数可以是各种不同的日期、时间数据类型，包括字符类型、数值类型、日期类型等。

a s.p os ix ct函数会根据x参数的数据类型，将其转换为PO SI Xc t格式的日期、时间数据。

下面是一些常见的x参数示例：-字符类型：如"2022-01-01"、"2022-01-0112:00:00"等。

-数值类型：如1640995200，代表1970年1月1日至今的秒数。

-日期类型：如a s.Da t e("2022-01-01")，代表具体的日期。

2.2t z参数t z参数用于指定日期、时间数据的时区信息。

如果不指定tz参数，则默认使用系统的时区信息。

常用的t z参数取值包括：-"UT C"：世界协调时。

-"As ia/S ha ng ha i"：上海时区。

-其他区域的时区信息。

3.示例下面通过几个具体的示例来演示a s.po si x ct函数的使用方法。

3.1示例1：字符类型转换```R字符类型转换x<-"2022-01-0112:00:00"r e su lt<-as.p os ixc t(x)r e su lt```运行上述代码，将字符类型的日期时间数据"2022-01-0112:00:00"转换为P OS IX ct格式的日期、时间数据。

r语言矩阵的数据格式变换 -回复

r语言矩阵的数据格式变换-回复R语言是数据分析和统计建模中常用的编程语言，它具有丰富的函数库和灵活的数据结构，用于处理各种数据类型。

矩阵是R语言中常见的数据结构之一，用于存储具有相同数据类型的元素的二维数组。

在实际应用中，我们经常会遇到需要对矩阵的数据格式进行变换的情况，本文将介绍如何使用R语言进行矩阵的数据格式变换。

1. 行列矩阵转置首先，我们来介绍如何对矩阵进行行列转置。

行列转置是指将矩阵的行变为列，列变为行。

在R语言中，可以使用`t()`函数来实现行列转置。

下面是一个简单的例子：R# 创建一个3行2列的矩阵mat <- matrix(1:6, nrow = 3)# 执行行列转置transposed_mat <- t(mat)# 输出转置后的矩阵transposed_mat上述代码首先使用`matrix()`函数创建了一个3行2列的矩阵，然后使用`t()`函数对矩阵执行了行列转置，最后输出了转置后的矩阵。

你可以运行上述代码，并观察输出结果，以更好地理解行列转置的概念和操作。

2. 矩阵的数据重塑在实际的数据分析中，我们有时候需要对矩阵的数据格式进行重塑。

例如，我们可能要将一个长格式的矩阵转换成宽格式，或者将一个宽格式的矩阵转换成长格式。

R语言中提供了一些函数来实现数据的重塑，其中最常用的是`reshape()`函数。

下面是一个使用`reshape()`函数进行数据重塑的例子：R# 创建一个4行3列的矩阵mat <- matrix(1:12, nrow = 4)# 执行数据重塑，将矩阵转换成长格式reshaped_mat <- reshape(mat, direction = "long", varying =list(1:3))# 输出重塑后的矩阵reshaped_mat上述代码首先使用`matrix()`函数创建了一个4行3列的矩阵，然后使用`reshape()`函数将矩阵转换成了长格式，最后输出了重塑后的矩阵。

R语言--基本数据管理（变量、缺失值、日期值、数据类型转换、数据框）

R语⾔--基本数据管理（变量、缺失值、⽇期值、数据类型转换、数据框）1 基本数据管理1.1⼀个⽰例（1）定义向量，造数据框manage<-c(1,2,3,4,5)date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")country<-c("US","US","UK","UK","UK")gender<-c("M","F","F","M","F")age<-c(32,45,24,34,88)q1<-c(5,3,3,3,2)q2<-c(4,5,5,3,2)q3<-c(5,2,5,4,1)q4<-c(5,5,5,NA,2)q5<-c(5,5,2,NA,1)lendership<-data.frame(manager,country,gender,age,q1,q2,q3,q4,q5)（2）创建新变量⽅法⼀：使⽤$q6<-q4+q5lendership$q6<-lendership$q4+lendership$q5⽅法⼆：transform（）为数据表添加列lendership<-transform(lendership,q7=q4+q5,q8=q1+q2)（3）变量重编码⽅式⼀：使⽤$lendership$age[lendership$age==88]<-NAlendership$agecat[lendership$age>50]<-"Elder"lendership$agecat[lendership$age>40 & lendership$age<=50]<-"Middle Aged"lendership$agecat[lendership$age<40]<-"Young"⽅式⼆：使⽤withinlendership1<-within(lendership,{agecat<-NAagecat[age>50]<-"Elder"agecat[age>40 & age<=50]<-"Middle Aged"agecat[age<=40]<-"Young"})（4）变量重命名⽅式⼀：弹出数据编辑器⽅式⼆：使⽤names()，只能索引⼀列⼀列的改，不⽅便names(lendership)[1]<-"manager1"解释：names⾥⾯是表名，[1]代表修改第⼀列⽅式三：导⼊编辑包plyr，使⽤函数rename()library(plyr)lendership<-rename(lendership,c(manager1="ID",q1="qq1"))2 缺失值2.1 识别缺失值函数is.na()y<-c(1,2,NA)is.na(y)2.2 重编码某些值为缺失值lendership$age[lendership$age==88]<-NA2.3 缺失值参与计算会怎样y<-c(1,2,NA)z<-y[1]+y[2]+y[3]z<-sum(y,na.rm = T) #na.rm = T意思是有缺失值就移除2.4 移除含有缺失值的观测（⾏）newdata<-na.omit(lendership) #删除含有缺失值的⾏3 ⽇期值3.1 ⽇期值的读⼊ as.Datemydata<-as.Date(c("2008-06-11","2018-08-08"))3.2 ⽇期值的格式strdata<-c("01/05/1996","08/22/1998")mydata1<-as.Date(strdata,"%m/%d/%Y") #指定⽇期格式3.3 系统⽇期与当前⽇期系统⽇期：Sys.Date()当前⽇期：date()3.4 ⽇期值的输出格式format(today,format="%B %d %Y") #调整⽇期输出格式format，%B表⽰⽉份⽂字输出3.5 ⽇期值的间隔计算⽅式⼀：按天计算startdata<-as.Date("1996-11-22")enddata<-as.Date("2021-07-02")days<-enddata-startdata⽅式⼆：按周计算，使⽤函数difftim()difftime(enddata,startdata,units = "weeks")4 类型转换4.1 is.xxx()函数，⽤来判断类型4.2 as.xxx()函数，⽤来转换5 数据排序lendership2<-lendership[order(lendership$gender,lendership$age),]6 数据集操作数据输⼊：manage<-c(1,2,3,4,5)date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")country<-c("US","US","UK","UK","UK")gender<-c("M","F","F","M","F")age<-c(32,45,24,34,88)q1<-c(5,3,3,3,2)q2<-c(4,5,5,3,2)q3<-c(5,2,5,4,1)q4<-c(5,5,5,NA,2)q5<-c(5,5,2,NA,1)lendership<-data.frame(manager,country,gender,age,q1,q2,q3,q4,q5)leader_a<-data.frame(manage,country,gender,age)leader_b<-data.frame(manage,q1,q2,q3,q4,q5)leader_b<-leader_b[order(-leader_b$manage),]6.1 数据集（框）的合并 merge()lendership1<-merge(leader_a,leader_b,by="manage") #通过主键manage合并6.2 数据集（框）取⼦集（1）保留变量⽅式⼀：newdata<-lendership[,c(5:9)]⽅式⼆： myvar<-c("gender","country","q5")newdata1<-lendership[myvar]（2）删除变量⽅式⼀：前⾯加负号 -newdata<-newdata[c(-2,-3)]⽅式⼆：赋值NULLnewdata$q3<-NULL(3)选⼊观测（保留⾏）newdata2<-lendership[1:3,] #选择1到3⾏newdata3<-lendership[lendership$gender=="M" & lendership$age>30,]（4）subset函数newdata4<-subset(lendership,gender=="M" & age>25,select=c("manager","gender","age"))解释：gender=="M" & age>25这是选择保留的⾏，select是选择保留的列若出现了错误：选择了未定义的列修正：检查⾃⼰的列变量名字是否写错（5）使⽤SQL语句操作数据集（框）加载包：library(sqldf)语句：newdf<-sqldf("select * from mtcars where carb=1 order by mpg",s = T)。

R语言的基本操作

R语言的基本操作R语言是一种统计分析和数据可视化的编程语言。

它提供了许多功能和包，使用户能够有效地处理和分析数据。

下面是R语言的基本操作。

1.变量和数据类型2.向量和矩阵向量是R中最基本的数据结构，可以用c(函数创建。

矩阵是一个二维数据结构，可以使用matrix(函数创建。

3.数据框数据框是一种表格型数据结构，它类似于Excel表格。

可以使用data.frame(函数创建数据框。

数据框可以存储不同类型的数据，每一列可以是一个向量。

4.数据导入和导出R可以导入和导出各种数据文件，如CSV、Excel、文本文件等。

可以使用read.csv(函数导入CSV文件，write.csv(函数导出CSV文件。

5.数据处理和转换R提供了许多函数和方法来处理和转换数据。

可以使用subset(函数根据条件筛选数据，使用na.omit(函数删除含有缺失值的观测，使用aggregate(函数进行数据聚合等。

6.数据可视化R有丰富的数据可视化功能，可以使用ggplot2包绘制各种类型的图表，如散点图、直方图、箱线图等。

也可以使用plot(函数绘制基本的统计图。

7.条件语句和循环R支持条件语句（if-else语句）和循环语句（for循环、while循环）。

可以根据条件执行不同的代码块，也可以重复执行段代码。

8.函数和包R允许用户定义自己的函数，以实现特定的功能。

可以使用function(来创建函数。

R还有很多常用的包，如dplyr、tidyr、reshape2等，可以扩展R的功能。

9.统计分析R是一种强大的统计分析工具，提供了很多用于统计分析的函数和包。

可以进行基本统计描述、假设检验、线性回归、方差分析等。

10.错误处理和调试在使用R时，可能会遇到错误或者需要调试代码。

可以使用tryCatch(和debug(函数进行错误处理和调试。

以上只是R语言的一些基本操作，R还有很多高级功能和技巧可以掌握。

掌握这些基本操作对于使用R进行数据分析和可视化工作是非常重要的。

用R语言做时间序列分析

用R语言做时间序列分析
时间序列分析是用来研究数据的变化趋势及其影响因素，以便对未来
的发展趋势有一定的预测对~用R语言做时间序列分析，可以从数据的宏
观分析、模型的训练、数据预测三个方面进行。

一、数据宏观分析
首先，需要预处理数据，例如，对于时间序列数据，要把它转换成一
定的格式，比如时间戳、日期和时间格式，这样R才能够识别这些数据，
在R中，可以使用时间序列模块中的函数来进行转换，比如：as.Date, as.POSIXct, as.POSIXlt等等。

之后需要针对时间序列数据进行宏观分析，可以使用R中的函数acf，pacf来检测时间序列的自相关性，这样可以把时间序列数据分解为不同
的部分，并可以提取出隐藏在数据中的规律，这样就可以确定时间序列模
型的类型，比如AR模型、MA模型、ARMA模型等，根据特定数据的特征，
从这些模型中选择最优的模型。

另外，还可以使用R中的函数spectrum来检测时间序列数据的频率
分布以及振荡性，以及峰值，从而可以有针对性地处理时间序列数据，比
如使用滤波器来去噪。

二、模型的训练
模型的训练也可以使用R进行，R中有专门用于时间序列分析的现成
函数，比如arima函数，可以用来训练ARMA模型。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

R语言的基础包中提供了两种类型的时间数据，一类是Date日期数据，它不包括时间和时区信息，另一类是POSIXct/POSIXlt类型数据，其中包括了日期、时间和时区信息。

基本总结如下：日期data，存储的是天；时间POSIXct 存储的是秒，POSIXlt 打散，年月日不同；日期-时间=不可运算。

一般来讲，R语言中建立时序数据是通过字符型转化而来，但由于时序数据形式多样，而且R中存贮格式也是五花八门，例如Date/ts/xts/zoo/tis/fts等等。

lubridate包，timeDate包，都有用。

常见的格式：as.numeric 转化为数值型as.logic 转化为逻辑型plex 转化为复数型as.character 转化为字符型as.array 转化为数组as.data.frame 转化为数据框在data.frame中，是可以实现数据集重命名的，比如data.frame(x=iris,y=cars)，也可以实现横向、纵向重命名，data.frame(x=iris,y=cars,s=iris)——————————————————————————————————————————时间的标准格式mydate = as.POSIXlt(’2005-4-19 7:01:00’)names(mydate)默认情况下，日期之前是以/或者-进行分隔，而时间则以：进行分隔；输入的标准格式为：日期时间（日期与时间中间有空隔隔开）R的数据读入与基础（1）（20）[plain] view plain copy print ?01. d<‐as.character(z) #将数值向量z<‐(0:9)转化为字符向量c("0", "1", "2", ..., "9")。

02. as.integer(d) #将d 转化为数值向量03. e <‐ numeric() #产生一个numeric 型的空向量e04. a=data.frame(a) #变成R 的数据框05. factor() #变成因子可以用levels()来看因子个数时间的标准格式为：时:分或者时:分:秒；如果输入的格式不是标准格式，则同样需要使用strptime函数，利用format来进行指定。

——————————————————————————————————————————一、日期型数据——data1、as.Data函数在R中自带的日期形式为：as.Date();以数值形式存储；对于规则的格式，则不需要用format指定格式；如果输入的格式不规则，可以通过format指定的格式读入；其中以1970-01-01定义为第0天，之后的年份会以距离这天来计算。

代码解读：unclass可以将日期变成以天来计数，比如1970-02-01输出的31，就代表着距离1970-01-01有31天。

as.data中的参数格式：年-月-日或者年/月/日；如果不是以上二种格式，则会提供错误——错误于charTo按照Date(x) : 字符串的格式不够标准明确；例如这样的数据格式，就常常报错。

19:15.显示为：2011/1/1 19:152、%d%y%m-基本格式格式意义%d月份中当的天数%m月份，以数字形式表示%b月份，缩写%B月份，完整的月份名，指英文%y 年份，以二位数字表示[html] view plain copy print ?01.> x <‐as.Date ("1970‐01‐01") 02.> unclass(x) 03.[1] 0 04.> 05.> unclass(as.Date("1970‐02‐01")) #19700201代表第31天 06. [1] 31[plain] view plain copy print ?01.as.Date('23‐2013‐1',format='%d‐%Y‐%m') 02.#其中这个%d%Y 可以节选其中一个 03. #%Y%y 大写代表年份四位数，小写代表年份二位数，要注意%Y 年份，以四位数字表示#其它日期相关函数weekdays（）取日期对象所处的周几；months（）取日期对象的月份；quarters（）取日期对象的季度。

————————————————————————————————————————二、时间型——POSIXct与POSIXltPOSIXct 是以1970年1月1号开始的以秒进行存储，如果是负数，则是1970-01-01年以前；正数则是1970年以后。

POSIXlt 是以列表的形式存储：年、月、日、时、分、秒，作用是打散时间；1、POSIXlt 格式主要特点：作用是打散时间，把时间分成年、月、日、时、分、秒，并进行存储。

可以作为时间筛选的一种。

代码解读：unclass将时间打散。

[html] view plain copy print ?01. > today <‐Sys.time ()02. > unclass(as.POSIXlt(today))03. $sec04. [1] 53.2715105.06. $min07. [1] 3808.09. $hour10. [1] 2011.12. $mday13. [1] 614.15. $mon16. [1] 517.18. $year19. [1] 11620.21. $wday22. [1] 123.24. $yday25. [1] 15726.27. $isdst28. [1] 029.30. $zone31. [1] "CST"32.33. $gmtoff34. [1] 2880035.36. attr(,"tzone")37. [1] "" "CST" "CDT"2、POSIXct 格式主要特点：以秒进行存储。

解读：比如今天，unclass之后，代表今天2016-06-06距离1970-01-01为1465216942秒。

#GMT代表时区，德意志时间，CST也代表时区————————————————————————————————————————三、时间运算1、基本运算函数Sys.Date() #字符串类型typeof(Sys.Date()) #系统日期类型2、直接加减相同的格式才能相互减，不能加。

二进列的+法对"Date"、"POSIXt"对象不适用。

相互减之后，一般结果输出的天数。

3、difftime函数——计算时差不同格式的时间都可以进行运算。

并且可以实现的是计算两个时间间隔：秒、分钟、小时、天、星期。

但是不能计算年、月、季度的时间差。

[html] view plain copy print ?01. > today <‐Sys.time ()02. > today03. [1] "2016‐06‐06 20:42:22 CST"04. > unclass(as.POSIXct(today))05. [1] 1465216942[html] view plain copy print ?01. > as.Date("2011‐07‐01") ‐ as.Date(today)02. Time difference of ‐1802 days03. > as.POSIXct(today)‐as.POSIXct(as.Date("2012‐10‐25 01:00:00"))04. Time difference of 1320.529 days05. > as.POSIXlt(today)‐as.POSIXlt(as.Date("2012‐10‐25 01:00:00"))06. Time difference of 1320.529 days[html] view plain copy print ?01. gtd <‐ as.Date("2011‐07‐01")02. difftime(as.POSIXct(today), gtd, units ="hours") #只能计算日期差，还可以是“secs”, “mins”, “hours”, “days”4、format函数——提取关键信息format函数可以将时间格式，调节成指定时间样式。

format(today,format="%Y")其中的format可以自由调节，获取你想要的时间信息。

并且format函数可以识别as.Data型以及POSIXct与POSIXlt型，将其日期进行提取与之后要讨论的split类型。

但是format出来的时间不能直接做减法，会出现错误： non-numeric argument to binary operator5、strptime函数该函数是将字符型时间转化为 "POSIXlt" 和"POSIXct"两类。

跟format比较相似。

strptime之后的时间是可以直接做减法，因为直接是"POSIXlt" 和"POSIXct"格式了。

————————————————————————————————————————四、遇见的问题1、常常报错。

错误于charTo按照Date(x) : 字符串的格式不够标准明确。

这个错误经常出现，我本来的数据格式是19:15.后来换成“2011/1/1”这样的就不会报错了，需要数据库自动改变。

[html] view plain copy print ?01. > today <‐Sys.time ()02. > format(today,format ="%B‐%d‐%Y")03. [1] "六月‐06‐2016"[html] view plain copy print ?01. > today <‐Sys.time ()02. > format(as.Date(today),format ="%Y")03. [1] "2016"04. > format(as.POSIXlt(today),format ="%Y")05. [1] "2016"06. > format(as.POSIXct(today),format ="%Y")07. [1] "2016"[html] view plain copy print ?01. > strptime("2006‐01‐08 10:07:52", "%Y‐%m‐%d")‐strptime("2006‐01‐15 10:07:52", "%Y‐%m‐%d")02. Time difference of ‐7 days03. > class(strptime("2006‐01‐08 10:07:52", "%Y‐%m‐%d"))04. [1] "POSIXlt" "POSIXt"2、excel另存为csv时发生的错误。