Question

我使用as.POSIXct函数处理大型数据集（100k观察）次数。

然而，时间有两个不同的时区：

"Thu Jan 17 09:29:10 EST 2013"
"Sun Mar 10 21:31:28 EDT 2013"

我正在尝试将它们放入相同的时区和格式，以便我可以找到它们之间的时间距离。我这样做如下：

as.POSIXct("Thu Jan 17 09:29:10 EST 2013", format="%a %b %d %H:%M:%S EST %Y")

as.POSIXct("Sun Mar 10 21:31:28 EDT 2013", format="%a %b %d %H:%M:%S EDT %Y")

我想批量进行此转换。为此，我设置了以下if函数：

mydata$converteddate = numeric(length(mydata$dates))

for (i in seq_along(mydata$converteddate)) {
  if (grepl("EST",mydata$dates[i])) mydata$converteddate[i]=as.POSIXct(mydata$dates, format="%a %b %d %H:%M:%S EST %Y")
  if (grepl("EDT",mydata$dates[i])) mydata$converteddate[i]=as.POSIXct(mydata$dates, format="%a %b %d %H:%M:%S EDT %Y")-(60*60)}

这已经持续了几个小时，看起来应该不是这样。有更快的发展吗？请注意，60 * 60部分将EDT转换为EST。

编辑：澄清一下，我的主要问题不是时区问题，而是如何以有效的方式遍历数据集以将所有日期转换为可用格式。我离开电脑5个小时，它仍在运行10万箱。

Answer 1

如果x是输入字符向量，请先使用sub删除时区，然后使用tz指定时区：

as.POSIXct(sub("E.T ", "", x), format = "%a %b %d %H:%M:%S %Y", tz = "EST5EDT")

Answer 2

您可以使用anytime包的anytime()功能解决此问题。

默认情况下，您遇到的格式不支持（虽然我会添加此格式）。

然而真的很容易添加到当前版本0.2.0中：

R> library(anytime) R> anytime::addFormats("%a %b %d %H:%M:%S% xxx %Y") # adding it R> anytime("Thu Jan 17 09:29:10 EST 2013") [1] "2013-01-17 09:29:10 CST" R>

这里的关键是我们添加所需的格式及其'xxx'标志来隐藏时区信息。正如上面的评论已经告诉你的那样，EST和EDT只是说明性的。在这里，我们在中央时区得到CST。

性能也应该对您有帮助，因为anytime包使用了高效的C ++代码：

R> bigvec <- rep("Thu Jan 17 09:29:10 EST 2013", 100000L) R> system.time(res <- anytime(bigvec)) user system elapsed 0.600 0.164 0.767 R>

在旧的低时钟速度服务器上进行100,000次转换大概3/4秒。

POSIXct和不同的时区

2 个答案: