R извлекает компоненты времени из полустандартных строк
У меня есть столбец длительностей, хранящихся в виде строк в кадре данных. Я хочу преобразовать их в соответствующий объект времени, вероятноPOSIXlt, Большинство строк легко разобрать, используяЭтот метод:
> data <- data.frame(time.string = c(
+ "1 d 2 h 3 m 4 s",
+ "10 d 20 h 30 m 40 s",
+ "--"))
> data$time.span <- strptime(data$time.string, "%j d %H h %M m %S s")
> data$time.span
[1] "2012-01-01 02:03:04" "2012-01-10 20:30:40" NA
Отсутствующие длительности закодированы"--"
и должны быть преобразованы вNA
- это уже происходит, но должно быть сохранено.
Проблема в том, чтоthe string drops zero-valued elements, Таким образом желаемое значение2012-01-01 02:00:14
будет строка"1 d 2 h 14 s"
, Однако эта строка анализируетNA
с простым парсером:
> data2 <- data.frame(time.string = c(
+ "1 d 2 h 14 s",
+ "10 d 20 h 30 m 40 s",
+ "--"))
> data2$time.span <- strptime(data2$time.string, "%j d %H h %M m %S s")
> data2$time.span
[1] NA "2012-01-10 20:30:40" NA
Questions
What is the "R Way" to handle all the possible string formats? Perhaps test for and extract each element individually, then recombine?
Is POSIXlt the right target class? I need duration free from any specific start time, so the addition of false year and month data (2012-01-
) is troubling.
Solution
У @mplourde определенно была правильная идея с динамическим созданием строки форматирования, основанной на тестировании различных условий в формате даты. Добавлениеcut(Sys.Date(), breaks='years')
в качестве базовой линии дляdatediff
было также хорошо, но не смог объяснить критическую причуду вas.POSIXct()
Note: I'm using R2.11 base, this may have been fixed in later versions.
Выход изas.POSIXct()
резко меняется в зависимости от того, включен ли компонент даты:
> x <- "1 d 1 h 14 m 1 s"
> y <- "1 h 14 m 1 s" # Same string, no date component
> format (x) # as specified below
[1] "%j d %H h %M m %S s"
> format (y)
[1] "% H h % M %S s"
> as.POSIXct(x,format=format) # Including the date baselines at year start
[1] "2012-01-01 01:14:01 EST"
> as.POSIXct(y,format=format) # Excluding the date baselines at today start
[1] "2012-06-26 01:14:01 EDT"
Таким образом, второй аргумент в пользуdifftime
функция должна быть:
Это может быть достигнуто путем изменения параметра устройства наcut
функция:
parse.time <- function (x) {
x <- as.character (x)
break.unit <- ifelse(grepl("d",x),"years","days") # chooses cut() unit
format <- paste(c(if (grepl("d", x)) "%j d",
if (grepl("h", x)) "%H h",
if (grepl("m", x)) "%M m",
if (grepl("s", x)) "%S s"), collapse=" ")
if (nchar(format) > 0) {
difftime(as.POSIXct(x, format=format),
cut(Sys.Date(), breaks=break.unit),
units="hours")
} else {NA}
}