Question

我有一个带有时间戳的列（目前被归类为因素），我想从中提取。大约有220,000行，大约一半包含因子为＆＃34;％d。％m。％Y％H：％M：％S＆＃34;和另一半，＆＃34;％d。％m。％Y％H：％M＆＃34;。所以大约有一半的包机比另一半更多。

我想从每一行中提取％d。％m。％Y％H：％M＆＃34;，从而将％S从包含它的那些中删除。

由于它们被归类为因子，我的假设是它们可以按顺序提取，即提取第1至第14个字符。

这就是数据的样子。

Start.Timestamp
01.01.2015 12:32
01.01.2015 08:22
01.01.2015 14:10
31.12.2014 21:43
01.01.2015 00:21
01.01.2015 12:38
01.01.2015 01:00
01.01.2015 14:13
01.01.2016 04:11:34
01.01.2016 10:13:30
01.01.2016 04:30:08
01.01.2016 08:49:40
01.01.2016 07:44:45

此外 - 所有＆＃34;：00＆＃34;那些因素字符串错过了＆＃34;％S＆＃34;是可以接受的。

我希望这很清楚。

提前谢谢大家

Answer 1

取决于您的初始数据，例如：

lapply(df,substring, first=1, last=16)

可能有所帮助。

当您的数据如下：

df <- data.frame("Start.Timestamp",
             "01.01.2015 12:32",
             "01.01.2015 08:22",
             "01.01.2015 14:10",
             "31.12.2014 21:43",
             "01.01.2015 00:21",
             "01.01.2015 12:38",
             "01.01.2015 01:00",
             "01.01.2015 14:13",
             "01.01.2016 04:11:34",
             "01.01.2016 10:13:30",
             "01.01.2016 04:30:08",
             "01.01.2016 08:49:40",
             "01.01.2016 07:44:45")

lapply(df,substring, first=1, last=16)
#$X.Start.Timestamp.
#[1] "Start.Timestamp"

#$X.01.01.2015.12.32.
#[1] "01.01.2015 12:32"

#$X.01.01.2015.08.22.
#[1] "01.01.2015 08:22"

#$X.01.01.2015.14.10.
#[1] "01.01.2015 14:10"

#$X.31.12.2014.21.43.
#[1] "31.12.2014 21:43"

...

或任何其他应用函数，因为我不知道您的整个数据是如何设置的。

Answer 2

鉴于您有一个因子列，我建议将其转换为字符向量，并使用strptime()和strftime()以日期时间格式获取所需的输出：

您在data.frame

中的向量

your_df <- structure(list(Start.Timestamp = structure(c(4L, 3L, 6L, 13L, 
1L, 5L, 2L, 7L, 8L, 12L, 9L, 11L, 10L), .Label = c("01.01.2015 00:21", 
"01.01.2015 01:00", "01.01.2015 08:22", "01.01.2015 12:32", "01.01.2015 12:38", 
"01.01.2015 14:10", "01.01.2015 14:13", "01.01.2016 04:11:34", 
"01.01.2016 04:30:08", "01.01.2016 07:44:45", "01.01.2016 08:49:40", 
"01.01.2016 10:13:30", "31.12.2014 21:43"), class = "factor")), .Names = "Start.Timestamp", class = "data.frame", row.names = c(NA, 
-13L))

获得所需的输出：

strftime(strptime(as.character(your_df$Start.Timestamp), format = "%d.%m.%Y %H:%M"), "%d.%m.%Y %H:%M")

输出

 [1] "01.01.2015 12:32" "01.01.2015 08:22" "01.01.2015 14:10" "31.12.2014 21:43" "01.01.2015 00:21"
 [6] "01.01.2015 12:38" "01.01.2015 01:00" "01.01.2015 14:13" "01.01.2016 04:11" "01.01.2016 10:13"
[11] "01.01.2016 04:30" "01.01.2016 08:49" "01.01.2016 07:44"

Answer 3

我们可以使用带有选项dmy_hms()的lubridate truncated = 1函数来生成POSIXct对象。当时间数据具有不完整的条目时，此选项很有用，例如在这种情况下丢失秒（然后将其设置为00）。

dmy_hms()的输出可以包装到format()中以获得所需的格式：

format(lubridate::dmy_hms(df1$Start.Timestamp, truncated = 1),"%d.%m.%Y %H:%M")
# [1] "01.01.2015 12:32" "01.01.2015 08:22" "01.01.2015 14:10" "31.12.2014 21:43"
# [5] "01.01.2015 00:21" "01.01.2015 12:38" "01.01.2015 01:00" "01.01.2015 14:13"
# [9] "01.01.2016 04:11" "01.01.2016 10:13" "01.01.2016 04:30" "01.01.2016 08:49"
#[13] "01.01.2016 07:44"

数据

df1 <- structure(list(Start.Timestamp = structure(c(4L, 3L, 6L, 13L, 1L, 5L, 2L, 7L, 8L, 12L, 9L, 11L, 10L), .Label = c("01.01.2015 00:21", "01.01.2015 01:00", "01.01.2015 08:22", "01.01.2015 12:32", "01.01.2015 12:38", "01.01.2015 14:10", "01.01.2015 14:13", "01.01.2016 04:11:34", "01.01.2016 04:30:08", "01.01.2016 07:44:45", "01.01.2016 08:49:40", "01.01.2016 10:13:30", "31.12.2014 21:43"), class = "factor")), .Names = "Start.Timestamp", class = "data.frame", row.names = c(NA, -13L))

Answer 4

这取决于给定的格式（输入您的数据样本）。一种可能性是

> str <- c("01.01.2016 07:44", "01.01.2016 07:45")
> substr(str, 1,16)
[1] "01.01.2016 07:44" "01.01.2016 07:45"

如果截断没问题。

如何从R中的因子向量中的每个字符串中提取字符串的一部分？

4 个答案:

您在data.frame

获得所需的输出：

输出