问题是,当我使用read.xlsx
包中的openxlsx
从excel工作表中读取到R时,TIME
列将转换为分数。
这里是一个例子,
dfin <-
DATE TIME
15/02/2015 8:00 AM
22/01/2014 10:00 PM
library(openxlsx)
test <- read.xlsx("dfin.xlsx", sheet = 1,
detectDates=TRUE, skipEmptyRows = TRUE,
skipEmptyCols = TRUE, rows = NULL, cols = NULL, check.names = FALSE,
namedRegion = NULL, na.strings = "NA", fillMergedCells = FALSE)
输出:
DATE TIME
2015-02-15 0.3333333
2014-01-22 0.9166667
我不确定为什么要这样做,也不确定是否有办法解决此问题,因为我需要同时使用DATE和TIME进行一些计算。
答案 0 :(得分:1)
R确实没有时间格式,因此我建议使用read_excel
来读取它,它会自动检测列的类型。这样会将其转换为带有随机日期的日期时间格式,然后可以将其删除,然后再将其转换为正确的时间戳。
library(readxl)
library(lubridate)
test <- read_excel('dfin.xlsx',trim_ws = TRUE) %>%
#return the TIME column to the way it is written in Excel
mutate(TIME = as.character(gsub(".* ","",TIME)),
#format the date column
DATE = dmy(DATE),
#turn it into a timestamp
TIMESTAMP = as.POSIXct(paste(DATE,TIME)))
答案 1 :(得分:1)
我的第一个猜测是read.xlsx()
试图在读取文件时猜测.xlsx中具有日期的列,并将时间从%I:%M %p
格式转换为24小时的小数部分(因为例如0.3333333 * 24 = 7.999999
which is exactly 8.0)。但是后来我注意到,如果将参数detectDates
更改为FALSE
,则什么都没有改变-它输出相同的数据帧。因此,它没有任何猜测,它只是按原样读取TIME
。
如果您尝试在Excel工作簿中编辑10:00 PM
,则会看到它确实存储为22:00:00
。那么,为什么最后将其表示为24
的一部分呢?我不知道,希望有人能解释。
openxlsx::read.xlsx()
相比, @Randall方法确实是一个很好的选择。请注意,read_xlsx()
将TIME
识别为%H:%M:%S
,并将其转换为伪POSIXct/POSIXt
对象,即1899-12-31 08:00:00
和1899-12-31 22:00:00
。
令人惊讶的是,read_xlsx()
无法识别出DATE
具有%d-%m-%Y
格式,并将其解释为character
。这意味着我们需要将两个变量都转换为适当的格式,以便获得所需的输出。
我认为我们不需要使用gsub
从POSIXct
对象获取12小时的时钟时间,为此目的使用format
很容易。将DATE
从%d-%m-%Y
转换为%Y-%m-%d
格式更容易:
library(dplyr)
library(readxl)
read_xlsx("myfile.xlsx") %>%
mutate(
DATE = as.Date(DATE, "%d/%m/%Y"),
TIME = format(TIME, "%I:%M %p") # “That’s what I do: I drink and I know things.”
)
哪个会产生:
# A tibble: 2 x 2
DATE TIME
<date> <chr>
1 2015-02-15 08:00 AM
2 2014-01-22 10:00 PM