8

我正在处理从 Teradata 导出的 .csv 数据。几列最初是带有时区的时间戳，因此在 R 中加载 .csv 后，我想将这些列（作为字符串加载）转换为 POSIXlt 或 POSIXct。我正在使用，但 .csv 文件中的时区格式与预期strptime不符。strptime例如，它期望-0400但 .csv 具有-04:00冒号分隔小时和分钟的格式。

我可以删除冒号，但如果可能的话，这是一个额外的步骤和并发症。有没有办法告诉strptime时区（）使用不同的格式%z？

这是一个例子：

## Example data:
x <- c("2011-10-12 22:17:13.860746-04:00", "2011-10-12 22:17:13.860746+00:00")
format <- "%Y-%m-%d %H:%M:%OS%z"

## Doesn't work:
strptime(x,format)
## [1] NA NA

## Ignores the timezone:
as.POSIXct(x)
## [1] "2011-10-12 22:17:13 EDT" "2011-10-12 22:17:13 EDT"

## Remove the last colon:
x2 <- gsub("(.*):", "\\1", x)
x2
## [1] "2011-10-12 22:17:13.860746-0400" "2011-10-12 22:17:13.860746+0000"

## This works, but requires extra processing (removing the colon)
strptime(x2,format)
## [1] "2011-10-12 22:17:13" "2011-10-12 18:17:13"

所以我希望使用类似的东西来实现最后一个结果strptime(x,"%Y-%m-%d %H:%M:%OS%zz")，其中%zz是识别-04:00格式的时区的自定义表达式。或者%zH:%zM可能会更好。

如果这是不可能的，是否有人具有将字符串（各种格式）转换为 data.frame/data.table 多列的日期的灵活/灵活的功能？

4

2 回答 2

6

事实证明lubridate可以处理这种格式：

library(lubridate)
ymd_hms(x)
## [1] "2011-10-13 02:17:13 UTC" "2011-10-12 22:17:13 UTC"

或者，以本地时区显示：

with_tz(ymd_hms(x))
## [1] "2011-10-12 22:17:13 EDT" "2011-10-12 18:17:13 EDT"

为了获得更大的灵活性（仍在使用lubridate）：

parse_date_time(x, "%Y-%m-%d %H:%M:%OS%z")

为了更快的速度（在lubridate选项中）：

lubridate:::.strptime(x, "%Y-%m-%d %H:%M:%OS%OO")

时间：

microbenchmark(
  ymd_hms(x),
  parse_date_time(x, "%Y-%m-%d %H:%M:%OS%z"),
  lubridate:::.strptime(x, "%Y-%m-%d %H:%M:%OS%OO"),
  strptime(gsub("(.*):", "\\1", x), format)
)

## Unit: microseconds
##                                               expr      min       lq       mean    median        uq      max neval
##                                         ymd_hms(x) 1523.819 1578.495 1715.14577 1629.5385 1744.3695 2850.393   100
##         parse_date_time(x, "%Y-%m-%d %H:%M:%OS%z") 1108.676 1150.633 1273.77301 1190.3315 1264.8050 5947.204   100
##  lubridate:::.strptime(x, "%Y-%m-%d %H:%M:%OS%OO")   89.838  103.390  112.45338  107.8425  115.2265  216.512   100
##        strptime(gsub("(.*):", "\\\\1", x), format)   46.716   58.294   71.90934   69.9415   86.5860  105.044   100
于 2016-08-14T04:57:35.993 回答
2

我刚刚遇到这个问题，试图实现同样的目标。

正如您所提到的，我发现修复它的唯一方法是使用正则表达式删除冒号。您可以稍微收紧正则表达式以避免在替换时出错。

x2 <- gsub('^([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}\\.[0-9]+[+-][0-9]{2}):([0-9]{2})$',
           '\\1\\2',
           x)
# [1] "2011-10-12 22:17:13.860746-0400" "2011-10-12 22:17:13.860746+0000"
于 2013-04-09T01:55:02.383 回答