[英]What is the most efficient way to calculate difftime of two time which are string format
我有一个大型数据集(作为 data.table,超过 1 亿行)并希望计算两列之间的 difftime。如果是“%H%M%OS”,则为时间字符串格式,没有前导零。例如,数据
ID time0 time1
1 93005220 93005320
2 93551060 93553940
3 93717740 93717740
4 94840800 94840800
5 94959510 94959510
6 101030460 101127870
7 101425010 101425010
8 104728320 104728980
9 105704050 105705890
10 135109830 135402830
11 93005220 150001330
以第一行为例,我不能使用difftime
, strptime
来计算 "93005320"("09:30:05.320") 和 "93005220"("09:30:05.220") 之间的 difftime,我必须更改 " 93005220”转换为“093005.220”这样的格式,然后我尝试如下:
difftime(strptime("093005.220","%H%M%OS"),strptime("093005.320","%H%M%OS"))
但是如果这样做,对于超过 1 亿行来说太慢了。 在 R 中是否有有效的方法来执行此操作?
一种方法是考虑每个数字包含关于已过去多少秒的信息,但有些表示不同(即小时、分钟)。 如果数字的所有单位都是秒,我们可以使用-
直接比较它们。
f = function(x){
c(36000, 3600, 600, 60, 10, 1, .1, .01, .001) *
x %% c(1e9, 1e8, 1e7, 1e6, 1e5, 1e4, 1e3, 1e2, 1e1) %/%
c(1e8, 1e7, 1e6, 1e5, 1e4, 1e3, 1e2, 1e1, 1e0)
}
ff = Vectorize(function(x, y) sum(f(x) - f(y)))
然后以秒为单位获得差异,这里使用dplyr
:
df %>%
mutate(diff = ff(time1, time0))
time0 time1 diff
<dbl> <dbl> <dbl>
1 93005220 93005320 0.1
2 93551060 93553940 2.88
3 93717740 93717740 0
4 94840800 94840800 0
5 94959510 94959510 0
6 101030460 101127870 57.4
7 101425010 101425010 0
8 104728320 104728980 0.66
9 105704050 105705890 1.84
10 135109830 135402830 173
11 93005220 150001330 19796.
解释:使用Anirban 的方法, f
将输入 integer 转换为其组件的向量(必要时使用 0 填充)。 这些分量然后通过乘法转换为秒,这是一种矢量化操作。 也就是说, c(1,2) * c(3,4)
的计算结果为c(3, 8)
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.