R从半标准字符串中提取时间分量

Setup

我有一列持续时间作为字符串存储在数据框中。我想将它们转换为适当的时间对象，可能POSIXlt。大多数字符串都很容易使用解析这个方法:

> data <- data.frame(time.string = c(
+   "1 d 2 h 3 m 4 s",
+   "10 d 20 h 30 m 40 s",
+   "--"))
> data$time.span <- strptime(data$time.string, "%j d %H h %M m %S s")
> data$time.span
[1] "2012-01-01 02:03:04" "2012-01-10 20:30:40" NA

缺失的持续时间已编码"--"并需要转换为NA- 这已经发生但应该保留。

挑战在于字符串删除零值元素。因此期望值2012-01-01 02:00:14将是字符串"1 d 2 h 14 s"。然而这个字符串解析为NA使用简单的解析器：

> data2 <- data.frame(time.string = c(
+  "1 d 2 h 14 s",
+  "10 d 20 h 30 m 40 s",
+  "--"))
> data2$time.span <- strptime(data2$time.string, "%j d %H h %M m %S s")
> data2$time.span
[1] NA "2012-01-10 20:30:40" NA

问题

1. 处理所有可能的字符串格式的“R Way”是什么？也许单独测试并提取每个元素，然后重新组合？
2. POSIXlt 是正确的目标类吗？我需要不受任何特定开始时间影响的持续时间，因此添加错误的年份和月份数据（2012-01-）令人烦恼。

Solution

@mplourde 绝对有正确的想法，基于测试日期格式中的各种条件来动态创建格式化字符串。添加的cut(Sys.Date(), breaks='years')作为基准datediff也很好，但未能解释一个关键的怪癖as.POSIXct() 注意：我使用的是R2.11基础，这可能已在更高版本中修复.

的输出as.POSIXct()根据是否包含日期部分而发生显着变化：

> x <- "1 d 1 h 14 m 1 s"
> y <-     "1 h 14 m 1 s"  # Same string, no date component
> format (x)  # as specified below
[1] "%j d %H h %M m %S s"
> format (y)
[1] "% H h % M %S s"    
> as.POSIXct(x,format=format)  # Including the date baselines at year start
[1] "2012-01-01 01:14:01 EST"
> as.POSIXct(y,format=format)  # Excluding the date baselines at today start
[1] "2012-06-26 01:14:01 EDT"

因此，第二个论点difftime函数应该是：

• 如果输入字符串，则为当年第一天的开始has一天的组成部分
• 的开始current如果输入字符串则为天does not有一天的组成部分

这可以通过更改单位参数来实现cut功能：

parse.time <- function (x) {
  x <- as.character (x)
  break.unit <- ifelse(grepl("d",x),"years","days")  # chooses cut() unit
  format <- paste(c(if (grepl("d", x)) "%j d",
                    if (grepl("h", x)) "%H h",
                    if (grepl("m", x)) "%M m",
                    if (grepl("s", x)) "%S s"), collapse=" ")

  if (nchar(format) > 0) {
    difftime(as.POSIXct(x, format=format), 
             cut(Sys.Date(), breaks=break.unit),
             units="hours")
  } else {NA}

}

difftime对象是持续时间对象，可以添加到POSIXct or POSIXlt对象。也许你想用这个而不是POSIXlt?

关于从字符串到时间对象的转换，你可以这样做：

data <- data.frame(time.string = c(
    "1 d 1 h",
    "30 m 10 s",
    "1 d 2 h 3 m 4 s",
    "2 h 3 m 4 s",
    "10 d 20 h 30 m 40 s",
    "--"))

f <- function(x) {
    x <- as.character(x)
    format <- paste(c(if (grepl('d', x)) '%j d',
                      if (grepl('h', x)) '%H h',
                      if (grepl('m', x)) '%M m',
                      if (grepl('s', x)) '%S s'), collapse=' ')

    if (nchar(format) > 0) {
        if (grepl('%j d', format)) {
            # '%j 1' is day 0. We add a day so that x = '1 d' means 24hrs.
            difftime(as.POSIXct(x, format=format) + as.difftime(1, units='days'), 
                    cut(Sys.Date(), breaks='years'),
                    units='hours')
        } else {
            as.difftime(x, format, units='hours')
        }
    } else { NA }
}

data$time.span <- sapply(data$time.string, FUN=f)