我面临着计算给定出生日期和任意日期的年龄（以年、月或周为单位）的常见任务。问题是，我经常必须对许多记录（> 3 亿）执行此操作，因此性能是这里的一个关键问题。
在 SO 和 Google 中快速搜索后，我找到了 3 个替代方案：
new_interval() and duration()从包装中lubridate (link)age_calc()从包装中eeptools (link, link, link)所以，这是我的玩具代码：
# Some toy birthdates
birthdate <- as.Date(c("1978-12-30", "1978-12-31", "1979-01-01",
"1962-12-30", "1962-12-31", "1963-01-01",
"2000-06-16", "2000-06-17", "2000-06-18",
"2007-03-18", "2007-03-19", "2007-03-20",
"1968-02-29", "1968-02-29", "1968-02-29"))
# Given dates to calculate the age
givendate <- as.Date(c("2015-12-31", "2015-12-31", "2015-12-31",
"2015-12-31", "2015-12-31", "2015-12-31",
"2050-06-17", "2050-06-17", "2050-06-17",
"2008-03-19", "2008-03-19", "2008-03-19",
"2015-02-28", "2015-03-01", "2015-03-02"))
# Using a common arithmetic procedure ("Time differences in days"/365.25)
(givendate-birthdate)/365.25
# Use the package lubridate
require(lubridate)
new_interval(start = birthdate, end = givendate) /
duration(num = 1, units = "years")
# Use the package eeptools
library(eeptools)
age_calc(dob = birthdate, enddate = givendate, units = "years")
我们稍后讨论准确性，首先关注性能。这是代码：
# Now let's compare the performance of the alternatives using microbenchmark
library(microbenchmark)
mbm <- microbenchmark(
arithmetic = (givendate - birthdate) / 365.25,
lubridate = new_interval(start = birthdate, end = givendate) /
duration(num = 1, units = "years"),
eeptools = age_calc(dob = birthdate, enddate = givendate,
units = "years"),
times = 1000
)
# And examine the results
mbm
autoplot(mbm)
结果如下：
底线：性能lubridate and eeptools函数比算术方法差很多（/365.25至少快10倍）。不幸的是，算术方法不够准确，我无法承受这种方法所犯的一些错误。
“因为现代公历的方式 是构造出来的，没有简单的算术 产生一个人的年龄的方法，根据 常见用法——常见用法意味着一个人的 年龄应该始终是一个恰好在 一个生日”。 （link)
当我读到一些帖子时，lubridate and eeptools不要犯这样的错误（尽管，我还没有查看代码/阅读有关这些函数的更多信息以了解它们使用哪种方法），这就是我想使用它们的原因，但它们的性能不适用于我的实际应用程序。
关于有效且准确的年龄计算方法有什么想法吗？
哦，看来lubridate也会犯错误。显然，基于这个玩具示例，它比算术方法犯的错误更多（参见第 3、6、9、12 行）。 （难道我做错了什么？）
toy_df <- data.frame(
birthdate = birthdate,
givendate = givendate,
arithmetic = as.numeric((givendate - birthdate) / 365.25),
lubridate = new_interval(start = birthdate, end = givendate) /
duration(num = 1, units = "years"),
eeptools = age_calc(dob = birthdate, enddate = givendate,
units = "years")
)
toy_df[, 3:5] <- floor(toy_df[, 3:5])
toy_df
birthdate givendate arithmetic lubridate eeptools
1 1978-12-30 2015-12-31 37 37 37
2 1978-12-31 2015-12-31 36 37 37
3 1979-01-01 2015-12-31 36 37 36
4 1962-12-30 2015-12-31 53 53 53
5 1962-12-31 2015-12-31 52 53 53
6 1963-01-01 2015-12-31 52 53 52
7 2000-06-16 2050-06-17 50 50 50
8 2000-06-17 2050-06-17 49 50 50
9 2000-06-18 2050-06-17 49 50 49
10 2007-03-18 2008-03-19 1 1 1
11 2007-03-19 2008-03-19 1 1 1
12 2007-03-20 2008-03-19 0 1 0
13 1968-02-29 2015-02-28 46 47 46
14 1968-02-29 2015-03-01 47 47 47
15 1968-02-29 2015-03-02 47 47 47
lubridate 出现上述错误的原因是您正在计算持续时间（两个瞬间之间发生的确切时间量，其中 1 年 = 31536000 秒），而不是周期（两个瞬间之间发生的时钟时间变化）。
要获取时钟时间的变化（以年、月、日等为单位），您需要使用
as.period(interval(start = birthdate, end = givendate))
给出以下输出
"37y 0m 1d 0H 0M 0S"
"37y 0m 0d 0H 0M 0S"
"36y 11m 30d 0H 0M 0S"
...
"46y 11m 30d 1H 0M 0S"
"47y 0m 0d 1H 0M 0S"
"47y 0m 1d 1H 0M 0S"
要提取年份，您可以使用以下命令
as.period(interval(start = birthdate, end = givendate))$year
#or
lubridate::year(as.period(interval(start = birthdate, end = givendate)))
[1] 37 37 36 53 53 52 50 50 49 1 1 0 46 47 47
不幸的是，请注意，看起来比上面的方法还要慢！
> mbm
Unit: microseconds
expr min lq mean median uq max neval cld
arithmetic 116.595 138.149 181.7547 184.335 196.8565 5556.306 1000 a
lubridate 16807.683 17406.255 20388.1410 18053.274 21378.8875 157965.935 1000 b