[英]R mutate across with function, case_when and data masking to parse timestamps
我正在嘗試使用 R mutate
和case_when
將一些時間戳(字符向量)解析為日期時間。
虛擬數據:
p_id = c(1,2,3,4,5,6)
ActualStartTime = c("2020-05-21 19:04:36 +01:00", "21/09/2020 14:14", "2020-08-18 10:11:08 +01:00", "12/10/2020 21:25", "09/11/2020 17:02","2020-05-16 11:50:58 +02:00")
ActualEndTime = c("2020-05-21 19:29:42 +01:00", "21/09/2020 14:19", "2020-08-18 10:14:26 +01:00", "12/10/2020 21:29", "09/11/2020 17:06", "2020-05-16 11:56:10 +02:00")
df <- data.frame(p_id,ActualStartTime, ActualEndTime)
df
p_id ActualStartTime ActualEndTime
1 1 2020-05-21 19:04:36 +01:00 2020-05-21 19:29:42 +01:00
2 2 21/09/2020 14:14 21/09/2020 14:19
3 3 2020-08-18 10:11:08 +01:00 2020-08-18 10:14:26 +01:00
4 4 12/10/2020 21:25 12/10/2020 21:29
5 5 09/11/2020 17:02 09/11/2020 17:06
6 6 2020-05-16 11:50:58 +02:00 2020-05-16 11:56:10 +02:00
時間戳有兩種不同的格式,因此我創建了一個 function,但沒有對其進行矢量化以對其進行測試。 如果長度 == 26 則它使用一種格式進行解析,如果長度為其他任何格式,則它解析為另一種格式。
parse_mydate_novec <- function(time_var) {
if (nchar(time_var) == 26) {
parse_date_time(time_var, orders = "%Y-%m-%d %H:%M:%S %z", tz = "UTC")
} else {
parse_date_time(time_var, orders = "%d/%m/%Y %H:%M", tz = "UTC")
}
}
parse_mydate_novec(df$ActualStartTime[1]) # this works, class is POSIXct
[1] "2020-05-21 18:04:36 UTC"
> parse_mydate_novec(df$ActualStartTime[2]) # this works, class is POSIXct
[1] "2020-09-21 14:14:00 UTC"
到目前為止,一切都很好。 然后,我嘗試使用數據屏蔽指南https://dplyr.tidyverse.org/reference/dplyr_data_masking.html對 function 進行矢量化,這樣我就可以將它與 mutate 一起使用,並使用 case_when 而不是 if else:
parse_mydate <- function(time_var) {
case_when (
nchar({{time_var}}) == 26 ~ parse_date_time({{time_var}}, orders = "%Y-%m-%d %H:%M:%S %z", tz = "UTC"),
nchar({{time_var}}) == 16 ~ parse_date_time({{time_var}}, orders = "%d/%m/%Y %H:%M", tz = "UTC"),
TRUE ~ {{time_var}})
}
然后我使用 mutate 傳遞這個 function,首先在一列上對其進行測試,然后使用 mutate(across()):
df_test <- df %>%
mutate(ActualStartTime = parse_mydate(ActualStartTime))
df_test <- df %>%
mutate(across(c(ActualStartTime, ActualEndTime), ~parse_mydate(.x)))
但是我收到以下錯誤:
Error in `mutate_cols()`:
! Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
x must be a `POSIXct/POSIXt` object, not a character vector.
Caused by error in `glubort()`:
! must be a `POSIXct/POSIXt` object, not a character vector.
Warning messages:
1: Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
ℹ 3 failed to parse.
2: Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
ℹ 3 failed to parse.
這沒有意義,因為我編寫了 function 以傳入字符向量並返回日期時間 object。
所需的 output 是 dataframe,其中 ActualStartTime 和 ActualEndTime 中的所有對象均為 POSIXct 格式,即“2020-05-21 18:04:36 UTC”
我看過: R dplyr using across() efficiently with mutate() and case_when()和R - How to pass parameters to function in "mutate across"? 以及其他幾個關於解析日期時間的問題。
不知道是我function的邏輯錯了,是用case_when,還是用mutate還是別的什么。 我一直在兜圈子幾個小時。 所有幫助表示贊賞。 感謝。
function lubridate::fast_strptime
允許指定更多格式,這些格式將依次應用直到成功。
library(dplyr)
library(lubridate)
df %>%
mutate(across(matches("Time"), ~fast_strptime(.x,
format = c("%Y-%m-%d %H:%M:%S %z",
"%d/%m/%Y %H:%M"),
tz = "UTC")))
##> p_id ActualStartTime ActualEndTime
##> 1 1 2020-05-21 18:04:36 2020-05-21 18:29:42
##> 2 2 2020-09-21 14:14:00 2020-09-21 14:19:00
##> 3 3 2020-08-18 09:11:08 2020-08-18 09:14:26
##> 4 4 2020-10-12 21:25:00 2020-10-12 21:29:00
##> 5 5 2020-11-09 17:02:00 2020-11-09 17:06:00
##> 6 6 2020-05-16 09:50:58 2020-05-16 09:56:10
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.