R日期时间序列缺失值答案

【问题标题】：R datetime series missing valuesR日期时间序列缺失值
【发布时间】：2022-01-15 03:22:55
【问题描述】：

我正在从 chr 转换为 POSIXct 格式为“%Y-%m-%d %H:%M:%S 但是，数据集中的某些时间没有秒部分 (%S) 所以当我将没有秒数的时间转换为 DateTime 作为空单元格返回 - NA 我如何确保不会发生这种情况。无论是否缺少某些时间部分，我都希望它们全部返回为 DateTime？

这种格式的日期时间 ("%Y-%m-%d %H:%M:%S") 正确返回为 POSIXct

但是这种格式的日期时间（“%Y-%m-%d %H:%M”）返回为 NA

这是用于转换的代码 trips$ended_at <- as.POSIXct(trips$ended_at, format = "%Y-%m-%d %H:%M:%S") 这是一个包含超过一百万个条目的巨大数据集，所以我什至不知道哪些日期时间没有秒部分。有没有办法让那些没有秒部分的人只能有零和结尾？例如，2020-29-04 01:57 转换为 POSIXct 时将返回为 2020-29-04 01:57:00

请帮忙！

【问题讨论】：

是否总是缺少秒数和仅秒数，或者是否存在分钟/小时等丢失的情况？例如2020/01/18 15:NA:12 或 2020/01/18 15
我觉得奇怪的是，您以 "29/04/2020" 的格式显示日期，然后说 "%Y-%m-%d" 有效。
@rg255 是的，总是缺少几秒钟
是的，我的错我会编辑 @r2evans
我看到您的编辑，谢谢，但是..."2020/29/04" != "%Y-%m-%d"，问题示例仍然与您对有效方法的断言不一致。无论如何，我的答案（方法 2）中的代码将直接处理其中任何一种格式。

标签： r datetime date-formatting posixct

【解决方案1】：

两种方法：

将文字 :00 连接到只有小时/分钟的时间戳的末尾：

as.POSIXct(trips$ended_at, format = "%Y-%m-%d %H:%M:%S")
# [1] "2020-04-29 01:57:00 EDT" "2020-04-29 01:57:00 EDT"
# [3] "2020-04-29 01:57:00 EDT" NA                       
# [5] "2020-04-29 01:57:00 EDT"

gsub("( [0-9]+:[0-9]+)$", "\\1:00", trips$ended_at)
# [1] "2020-04-29 01:57:00" "2020-04-29 01:57:00" "2020-04-29 01:57:00"
# [4] "2020-04-29 01:57:00" "2020-04-29 01:57:00"

as.POSIXct(gsub("( [0-9]+:[0-9]+)$", "\\1:00", trips$ended_at), format = "%Y-%m-%d %H:%M:%S")
# [1] "2020-04-29 01:57:00 EDT" "2020-04-29 01:57:00 EDT"
# [3] "2020-04-29 01:57:00 EDT" "2020-04-29 01:57:00 EDT"
# [5] "2020-04-29 01:57:00 EDT"

如果您需要尝试多种“候选”格式，则可以迭代地逐步完成它们。此循环遍历格式，将最有可能的候选者放在首位。如果在任何时候所有时间戳都已转换，它会提前退出for 循环。

candidates <- c("%Y-%m-%d %H:%M", "%d/%m/%Y %H:%M:%S", "%d/%m/%Y %H:%M")
out <- as.POSIXct(trips$ended_at, format = "%Y-%m-%d %H:%M:%S")
for (fmt in candidates) {
  if (!length(isna <- is.na(out))) break
  out[isna] <- as.POSIXct(trips$ended_at[isna], format = fmt)
}
out
# [1] "2020-04-29 01:57:00 EDT" "2020-04-29 01:57:00 EDT"
# [3] "2020-04-29 01:57:00 EDT" "2020-04-29 01:57:00 EDT"
# [5] "2020-04-29 01:57:00 EDT"

数据

trips <- data.frame(ended_at = c("2020-04-29 01:57:00", "2020-04-29 01:57:00", "2020-04-29 01:57:00", "2020-04-29 01:57", "2020-04-29 01:57:00"))

【讨论】：

【解决方案2】：

这是我通常做的事情。通过nchar()检查POSIXct格式化前的字符串长度，将结果存入新列，例如：

trips$check<-nchar(trips$ended_at)

然后检查所有trips$ended_at 的长度是否相同，并为那些没有的添加缺少的秒数：

trips$ended_at_new<-ifelse(trips$check==19,trips$ended_at,paste(trips$ended_at,":00",sep=""))

您可以将 19 换成您使用的任何日期时间格式。重要提示：这仅适用于时间戳末尾缺少秒数的情况，而不是时间戳因任何其他原因少于 19 个字符的情况。

【讨论】：

nchar 是一个很好的尝试，但它确实遇到了一个小问题：如果天或月是个位数而不是 0 填充，那么它会缩短字符串的总长度。例如，as.POSIXct("29/4/2020 5:00:00", format = "%d/%m/%Y %H:%M:%S") 可以正常工作，但与您的 ifelse 一起使用时，它会将 :00 附加到字符串中。
好点。不过，它应该在这种情况下工作，因为海报的示例显示 0-padding。对于一般用途，您的解决方案更优雅。感谢您的启发！

【解决方案3】：

这是我采用的方法，在假设您正在处理两种可能性的情况下使用 ifelse() - 有和没有秒

date_time <- c("2020-01-18 20:12:16", "2020-01-18 20:12")

ifelse(nchar(date_time) == 16, 
       format(as.POSIXct(date_time, format="%Y-%m-%d %H:%M"), "%Y-%m-%d %H:%M:%S"), 
       format(as.POSIXct(date_time, format="%Y-%m-%d %H:%M:%S"), "%Y-%m-%d %H:%M:%S"))

【讨论】：

看我下面的commentnchar在这里面的使用；受制于日、月和小时的个位数（数据中不常见的故障）。
另外两件事：（1）您可以通过ifelse-ing 仅格式本身来提高效率，因此ifelse(..., "%Y..%S", "%Y..%M")，并将format(as.POSIXct(date_time, ..)) 移出 ifelse。在当前情况下，format(as.POSIXct 的调用次数是需要的两倍。 (2) format(.) 打破这个并返回一个字符串而不是 POSIXt-class 对象。我建议只是as.POSIXct(date_time, format = ifelse(==,"",""))。