R：根据时间数据序列计算中值会返回错误

Question

从时间数据序列计算中值时，我遇到以下R问题。 有人可以理解为什么当需要计算诸如中值之类的简单事物时，R的表现如此奇怪吗？

• 任务：从跑步比赛数据集计算完成时间的中位数。
• 问题：从时间值中获取中间值时，R返回一条错误消息“参数不是数字或逻辑的：返回NA”。
• 从“ NEJ_21_km_results.csv”文件中读取数据，并将因子转换为char值。 尝试将时间值从char转换为数字“强制强制引入的NA”时，会返回消息（但数据帧中没有NA值）。
• 在某些其他情况下（使用其他文件时），则仅在按性别过滤数据时返回错误消息（有时仅针对一种性别）。

1）将数据读入“ all_runners”数据框

all_runners <- read.csv("NEJ_21_km_results.csv", stringsAsFactors=FALSE, strip.white = TRUE)

“ RESULT”数据字段信息的数据类型为“ chr”

str(all_runners)

'data.frame':   100 obs. of  10 variables:
 $ POS  : int  1 2 3 4 5 6 7 8 9 10 ...
 $ BIB     : int  3 2 1 9 5 10 8 33 34 67 ...
 $ NAME    : chr  "DOMINIC KIPTARUS" "TIIDREK NURME" "ROMAN FOSTI" "RAIDO MITT"...
 $ YOB     : int  1996 1985 1983 1991 1984 1982 1993 1992 1984 1996 ...
 $ NAT     : chr  "KEN" "EST" "EST" "EST" ...
 $ CITY    : chr  "" "" "" "" ...
 $ RESULT  : chr  "01:03:55" "01:03:57" "01:06:18" "01:09:33" ...
 $ BEHIND  : chr  "" "00:00:02" "00:02:23" "00:05:38" ...
 $ NET.TIME: chr  "01:03:55" "01:03:57" "01:06:18" "01:09:31"...
 $ CAT     : chr  "MN" "M" "M" "M" ...

2）计算所有跑步者成绩的中位数

> all_runners_median = median(all_runners$RESULT, na.rm = TRUE)

警告消息：在mean.default（sort（x，部分=一半+ 0L：1L）[一半+ 0L：1L]）中：参数不是数字或逻辑：返回NA

3）将时间值从char转换为数字

> results_to_numeric <- as.numeric(all_runners$RESULT)

警告消息：强制引入的NA

4）计算所有女性结果的中位数（“ N” =>女性，“ M” =>男性）

all_womens <- all_runners %>%
  filter(str_sub(CAT, 1, 1) == "N") %>%
  select(RESULT)

'RESULT'数据字段信息为'chr'数据类型

> str(all_womens)

'data.frame'：8磅。 1个变量：$ RESULT：chr“ 01:18:36”“ 01:20:07”“ 01:22:52”“ 01:25:11” ...

警告消息：在mean.default（sort（x，部分=一半+ 0L：1L）[一半+ 0L：1L]）中：参数不是数字或逻辑：返回NA

> all_womens
    RESULT
1 01:18:36
2 01:20:07
3 01:22:52
4 01:25:11
5 01:26:04
6 01:26:09
7 01:26:42
8 01:26:55

Answer 1

这里如何按时应用median ：

# Get sample of 'Date/Time Type'
x <- c("01:03:55", "01:03:57", "01:06:18", "01:09:33")

# Convert to proper format 
y <- as.POSIXct(x, format = "%H:%M:%S")

# Find the median
y <- median(y)

#  Updated, no need to use strsplit and sapply, directly use format
#  ys <- strsplit(as.character(y), split = " ")
#  sapply(ys, function(x) x[2])

# Get the time
format(y,"%H:%M:%S" )
[1] "01:05:07"

当您使用as.POSIXct ，它将与日期关联。

编辑 ：根据： Rich Scriven的建议，我们可以直接使用format ，它消除了使用拆分和循环的需要。

如果要按组（例如性别）执行分析，则可以简单地使用：

x <- c("01:03:55", "01:03:57", "01:06:18", "01:09:33")
df <- data.frame(Gender = rep(c("M", "F"), each = 4), time = x)
# > df
#   Gender     time
# 1      M 01:03:55
# 2      M 01:03:57
# 3      M 01:06:18
# 4      M 01:09:33
# 5      F 01:03:55
# 6      F 01:03:57
# 7      F 01:06:18
# 8      F 01:09:33

df$time <- as.POSIXct(x, format = "%H:%M:%S")
time_group_by_gender <- split(df$time, df$Gender )
# > time_group_by_gender
# $F
# [1] "2018-07-21 01:03:55 +03" "2018-07-21 01:03:57 +03" "2018-07-21 01:06:18 +03"
# [4] "2018-07-21 01:09:33 +03"
# 
# $M
# [1] "2018-07-21 01:03:55 +03" "2018-07-21 01:03:57 +03" "2018-07-21 01:06:18 +03"
# [4] "2018-07-21 01:09:33 +03"

time_median <- lapply(time_group_by_gender, median)
time_median <- lapply(time_median, format, "%H:%M:%S")

# > time_median
# $F
# [1] "01:05:07"
# 
# $M
# [1] "01:05:07"