将字符向量转换为时间并提取值

【问题标题】：Converting a character vector to time and extracting values将字符向量转换为时间并提取值
【发布时间】：2020-12-07 18:00:19
【问题描述】：

嗨，我在使用 R 中的日期时间对象时遇到了一些问题。我有一列实际上只是一个时间列，但是当它被买进 R 时，它被读取为字符向量，但也带有随机日期。解决这个问题的最初想法是首先使用lubridate::mdy_hms() 将该时间列转换为日期时间对象，然后使用strftime() 或srtptime() 仅提取时间，但我的理解是strptime() 仅适用于字符向量，而@ 987654325@ 适用于 PosiXct 值。我使用 mdy_hms() 函数将字段转换为 PosiXct 对象，然后尝试使用 strftime() 仅提取时间，但它并没有真正起作用。我收到此错误：

Error in as.POSIXlt.default(x, tz = tz) : 
  do not know how to convert 'x' to class “POSIXlt”

我再次尝试了此操作，但使用了 hms 包，但它无法识别我的时间向量中的完整值，并将所有内容转换为 NA 值。这就是为什么我想首先将该字符向量中的所有值转换为日期时间值，然后“丢弃”不正确的日期值。这是我要运行的代码：

library(tidyverse)
library(lubridate)
library(hms)

OM <- read_csv('OM_sightings-1948-2019.csv', na = c("", "NA", "<Null>")) %>%
    #Rename the ID column to OM_ID --> indicates that this entry came from OM database
    rename(OM_ID = ID, Time = Time1, OM_Source = Source) %>% 
    # Drop the Time2, column
    select(-Time2) %>% 
    # Convert 0.0 to NA in both the ActLat and ActLong columns
    mutate_at(vars(ActLat, ActLong), na_if, y = 0)

#Fix the date and time objects in the db
OM_time <- OM %>% 
    mutate(Time = as_hms(Time),
           SightDate = as.Date(mdy_hms(SightDate), tz = "US/Pacific"),
           SightDateTime = mdy_hms(paste(SightDate, Time1), tz = "US/Pacific"))

它运行良好，我可以看到我的“变异”df，但是我收到了这些我理解（大部分）但不确定如何排除故障的警告消息：

Warning messages:
1: Problem with `mutate()` input `Time`.
ℹ Lossy cast from <character> to <hms> at position(s) 58, 60, 61, 62, 63, ... (and 102131 more)
ℹ Input `Time` is `as_hms(Time)`. 
2: Lossy cast from <character> to <hms> at position(s) 58, 60, 61, 62, 63, ... (and 102131 more) 
3: Problem with `mutate()` input `SightDateTime`.
ℹ All formats failed to parse. No formats found.
ℹ Input `SightDateTime` is `mdy_hm(SightDate, tz = "US/Pacific") + Time`. 
4: All formats failed to parse. No formats found.

这是我的数据的一个示例子集：

structure(list(OM_ID = c(94079, 75473, 95592, 50725, 24689, 73538, 
10246, 107438, 10129, 74301, 107371, 63757, 43427, 93087, 16374, 
28869, 38644, 42348, 89933, 83809, 53855, 96622, 52702, 28263, 
991), SightDate = c("4/22/2015 0:00:00", "7/15/2011 0:00:00", 
"6/30/2015 0:00:00", "6/26/2007 0:00:00", "8/12/2000 0:00:00", 
"6/11/2011 0:00:00", "6/28/1990 0:00:00", "12/7/2018 0:00:00", 
"6/20/1990 0:00:00", "6/26/2011 0:00:00", "12/5/2018 0:00:00", 
"9/1/2009 0:00:00", "8/27/2005 0:00:00", "11/14/2014 0:00:00", 
"6/11/1997 0:00:00", "9/10/2001 0:00:00", "9/8/2004 0:00:00", 
"7/18/2005 0:00:00", "6/25/2014 0:00:00", "8/6/2012 0:00:00", 
"5/16/2008 0:00:00", "7/25/2015 0:00:00", "9/10/2007 0:00:00", 
"8/16/2001 0:00:00", "1/6/1977 0:00:00"), Time = c("12/30/1899 14:00:00", 
"12/30/1899 15:00:00", "12/30/1899 19:21:00", "12/30/1899 9:30:00", 
"12/30/1899 9:30:00", "12/30/1899 12:00:00", "12/30/1899 18:30:00", 
"12/30/1899 13:00:00", "12/30/1899 18:00:00", "12/30/1899 11:52:00", 
"12/30/1899 9:15:00", "12/30/1899 15:33:00", "12/30/1899 9:00:00", 
"12/30/1899 13:48:00", "12/30/1899 15:00:00", "12/30/1899 5:45:00", 
NA, "12/30/1899 16:15:00", "12/30/1899 12:30:00", NA, "12/30/1899 12:00:00", 
"12/30/1899 13:00:00", "12/30/1899 12:30:00", "12/30/1899 8:45:00", 
"12/30/1899 14:15:00"), Month = c(4, 7, 6, 6, 8, 6, 6, 12, 6, 
6, 12, 9, 8, 11, 6, 9, 9, 7, 6, 8, 5, 7, 9, 8, 1), Day = c(22, 
15, 30, 26, 12, 11, 28, 7, 20, 26, 5, 1, 27, 14, 11, 10, 8, 18, 
25, 6, 16, 25, 10, 16, 6), Year = c(2015, 2011, 2015, 2007, 2000, 
2011, 1990, 2018, 1990, 2011, 2018, 2009, 2005, 2014, 1997, 2001, 
2004, 2005, 2014, 2012, 2008, 2015, 2007, 2001, 1977), Pod = c("Orcas", 
"JpLp", "JK", "Orcas", "L", "J", "Orcas", "J", "J", "JK", "J", 
"L12s", "Orcas", "J", "Orcas", "Orcas", "JKL", "J", "J", "J", 
"J", "JKL", "JL", "JL", "Orcas"), LikelyPod = c("Ts", "JKLp", 
"JpKp", NA, NA, "JL53", NA, NA, NA, "JpKp", NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, "SRs"), Direction = c(NA, 
"mill", NA, NA, "E", "SE", "N", "N", "W", NA, "N", "NW", "N", 
NA, "N", NA, "N", "N", "N", "N", "N", "SW", NA, "N", "N"), FishArea = c("17C", 
"7", "7", "7", "19C", "7", "7", "9", "18C", "18C", "11", "7", 
"7", "9", "7", "7", "7", "18C", "7", "7", "18C", "18", "29", 
"7", "10"), Quadrant = c(89, 184, 181, 184, 257, 181, 185, 397, 
151, 152, 420, 185, 181, 387, 169, 181, 181, 162, 176, 170, 163, 
151, 80, 176, 413), Lat = c(48.96, 48.46, 48.5, 48.46, 48.31, 
48.5, 48.44, 47.9, 48.76, 48.74, 47.33, 48.44, 48.5, 48.12, 48.62, 
48.5, 48.5, 48.74, 48.56, 48.65, 48.71, 48.76, 49.01, 48.56, 
47.55), Long = c(-123.73, -123.1, -123.17, -123.1, -123.36, -123.17, 
-123.03, -122.46, -123.02, -123.08, -122.44, -123.03, -123.17, 
-122.71, -123.17, -123.17, -123.17, -123.3, -123.21, -123.24, 
-123.26, -123.02, -123.16, -123.21, -122.41), UTMx = c(446800, 
492000, 487000, 492000, 473400, 487000, 497400, 539100, 497800, 
493500, 540300, 497400, 487000, 520500, 486900, 487000, 487000, 
477600, 484200, 482300, 480700, 497800, 488100, 484200, 542200
), UTMy = c(5423900, 5367800, 5372600, 5367800, 5351700, 5372600, 
5365800, 5305200, 5401200, 5399200, 5242800, 5365800, 5372600, 
5329700, 5386000, 5372600, 5372600, 5399000, 5378600, 5389300, 
5395300, 5401200, 5428700, 5378600, 5266600), OM_Source = c("TWM-SA-Pub", 
"TWM-SW", "TWM-HYD-Rel", "TWM-Pager", "TWM-Pager", "TWM-SW", 
"TWM-SA-Rel", "TWM-SA-Rel", "TWM-SA-Rel", "SPOT", "TWM-SA-Pub", 
"SPOT", "TWM-Pager", "TWM-HYD-Rel", "TWM-Pager", "TWM-SA-Pub", 
"TWM-SA-Rel", "TWM-Pager", "TWM-SW", "BCCSN", "TWM-SW", "Soundwatch", 
"BCCSN", "TWM-Pager", "TWM-SA-Rel"), ActLat = c(NA, 48.452, NA, 
NA, NA, 48.488, NA, NA, NA, 48.7667, NA, 48.4585, NA, NA, NA, 
NA, NA, NA, 48.5385, 48.682, 48.738, 48.7876, 49.0108, NA, NA
), ActLong = c(NA, -123.0777, NA, NA, NA, -123.1233, NA, NA, 
NA, -123.0776, NA, -123.065, NA, NA, NA, NA, NA, NA, -123.1725, 
-123.251, -123.253, -123.0389, -123.1659, NA, NA)), row.names = c(NA, 
-25L), class = c("tbl_df", "tbl", "data.frame"))

感谢您的帮助！我是新手/自学成才，我很难理解处理时间数据的最佳方式。

【问题讨论】：

  • 这归结为时代所代表的。如果它们是一天中的时间，您最好将它们存储为日期时间并仅打印时间部分。如果它们是持续时间，您可以选择将它们存储为整数秒或分钟，或使用来自 lubridate 的 duration 之类的东西。
  • 在您讨论过的一些处理之后，您已经与“tz”列共享了您的数据。在转换时间之前发布流程早期步骤的示例数据可能会更有帮助。
  • 对不起，我没有意识到这一点！我刚刚更新了我的子集的dput()。请让我知道这是否可行！
  • @AllanCameron 很抱歉不清楚，我正在尝试将这些数据存储为一天中的时间对象。不是持续时间。老实说，我对如何导入这些数据感到非常恼火，因为在原始数据库中，时间列中没有附加日期，我认为这是跨不同平台导出和导入的人工制品。

标签： r date dplyr lubridate


【解决方案1】：

日期和时间在 R 中可能非常棘手，因为它可以有很多不同的表示方式。 lubridate 没有一个只是时间的类，但是相关的包hms 增加了一个时间类，可以让它变得更简单。

我经常发现同时拥有日期和日期/时间列很有帮助，这样您就可以使用最有意义的部分。
对于示例数据，使用 lubridate::mdy_hms(SighDate) 将其转换为午夜的日期。 hms::as_hms(Time) 为我工作。然后将两者添加到在 date_time 列中创建，然后将 Date 转换为日期类（如果需要进行分析）。下面我为时间创建了一个新列，以跟踪它在做什么，但往往会替换时间列。

library(lubridate)
library(hms)
library(tidyverse)
# OM = your data provided above 

OM2 <- OM %>%
      mutate(SightDate = mdy_hms(SightDate, tz = "America/Los_Angeles"),
             Time2 = as_hms(mdy_hms(Time)),
             Date_time = SightDate+Time2,
             SightDate = as.Date(SightDate)
             )

OM2 %>%
      select(OM_ID, SightDate, Time, Time2, Date_time, everything())

# # A tibble: 25 x 20
# OM_ID SightDate  Time  Time2 Date_time           Month   Day  Year Pod   LikelyPod Direction FishArea Quadrant   Lat
# <dbl> <date>     <chr> <tim> <dttm>              <dbl> <dbl> <dbl> <chr> <chr>     <chr>     <chr>       <dbl> <dbl>
#       1  94079 2015-04-22 12/3~ 14:00 2015-04-22 14:00:00     4    22  2015 Orcas Ts        NA        17C            89  49.0
# 2  75473 2011-07-15 12/3~ 15:00 2011-07-15 15:00:00     7    15  2011 JpLp  JKLp      mill      7             184  48.5
# 3  95592 2015-06-30 12/3~ 19:21 2015-06-30 19:21:00     6    30  2015 JK    JpKp      NA        7             181  48.5
# 4  50725 2007-06-26 12/3~ 09:30 2007-06-26 09:30:00     6    26  2007 Orcas NA        NA        7             184  48.5
# 5  24689 2000-08-12 12/3~ 09:30 2000-08-12 09:30:00     8    12  2000 L     NA        E         19C           257  48.3
# 6  73538 2011-06-11 12/3~ 12:00 2011-06-11 12:00:00     6    11  2011 J     JL53      SE        7             181  48.5
# 7  10246 1990-06-28 12/3~ 18:30 1990-06-28 18:30:00     6    28  1990 Orcas NA        N         7             185  48.4
# 8 107438 2018-12-07 12/3~ 13:00 2018-12-07 13:00:00    12     7  2018 J     NA        N         9             397  47.9
# 9  10129 1990-06-20 12/3~ 18:00 1990-06-20 18:00:00     6    20  1990 J     NA        W         18C           151  48.8
# 10  74301 2011-06-26 12/3~ 11:52 2011-06-26 11:52:00     6    26  2011 JK    JpKp      NA        18C           152  48.7
# # ... with 15 more rows, and 6 more variables: Long <dbl>, UTMx <dbl>, UTMy <dbl>, OM_Source <chr>, ActLat <dbl>,
# #   ActLong <dbl>

我很确定 Access 将日期和时间表示为表示自某个起源以来的时间量的数值。看起来使用的原点是 1899 年 12 月 30 日，它显示在您的时间列中。当您从 Access 导出到 csv 时，您还可以查看您的设置。我对 excel 比较熟悉，但我认为他们的设置类似，因此您可以在导入之前操作格式。

【讨论】：

  • 谢谢！所以是的，我不想提供太多细节，以免让我的帖子混乱，但是是的。我有一个包含真实日期的日期列，而时间列（在 Access 中）仅显示 24 小时格式的时间。但是，当导入 R 时，它会附加一个随机日期。使用 hms::as_hms 调用会做我担心的事情，并删除时间向量的所有内容，而是用 NA 值填充它。我将更新我的 OP 以反映更好的问题、代码和示例数据。非常感谢您的帮助！
  • 我更新了新的样本数据。使用您提供的 as_hms 示例工作正常，但如果它返回 NA，则可能是由您发布的子集之外的东西引起的。
  • 我认为您的错误来自对具有日期组件和时间组件的数据使用 as_hms。您可以先使用 mdy_hms() 转换为 POSIXct，也可以在将字符转换为时间之前去掉无意义的日期部分。
  • 是的！那行得通，谢谢！但是，当我有NA 时间值时，它们仍会填充到 SightDateTime 列，即（1/1/2010 NA），但我希望如果时间有 NA，它不会被附加到 SightDateTime。我仍然在我的 df 末尾添加了一个“tz”列，而这在过去没有发生过，我不知道为什么？这是我最终运行的代码：OM_time &lt;- OM %&gt;% mutate(Time = as_hms(mdy_hms(Time)), SightDate = as.Date(mdy_hms(SightDate), tz = "US/Pacific"), SightDateTime = paste(SightDate, Time), tz = "US/Pacific")
  • 您在上面的代码中创建了 tz 列，我认为它应该在 mdy_hms 的括号内。
猜你喜欢
  • 2020-12-14
  • 1970-01-01
  • 2017-11-06
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode