从时间中提取小时的最快方法 (HH:MM)答案

【问题标题】：Fastest way to extract hour from time (HH:MM)从时间中提取小时的最快方法 (HH:MM)
【发布时间】：2014-05-13 05:59:49
【问题描述】：

希望 fastPOSIXct 有效 - 但在这种情况下无效。

这是我的时间数据（没有日期） - 我需要从中获取小时数。

times <- c("9:46","11:06", "14:17", "19:53", "0:03", "3:56")

这是来自fastPOSIXct 的错误输出：

fastPOSIXct(times, "GMT")
[1] "1970-01-01 00:00:00 GMT" "1970-01-01 00:00:00 GMT"
[3] "1970-01-01 00:00:00 GMT" "1970-01-01 00:00:00 GMT"
[5] "1970-01-01 00:00:00 GMT" "1970-01-01 00:00:00 GMT"

它不能正确识别没有日期的时间。

data.table 和 as.ITime 中的 hour 方法解决了这个问题，但在大倍数数组上看起来很慢。

library(data.table)
hour(as.ITime(times))
# [1]  9 11 14 19  0  3

想知道是否有更快的方法（就像fastPOSIXct，但无需日期即可工作）。

fastPOSIXct 确实像 snap 一样工作，但只是错了。

【问题讨论】：

标签： r time data.table hour

【解决方案1】：

这是一个选项吗？这是base 解决方案。

as.POSIXlt(times, format="%H:%M")$hour
#[1]  9 11 14 19  0  3

【讨论】：

感谢您提供可扩展的解决方案（即使时间格式发生变化也能正常工作）。

【解决方案2】：

您也可以使用 chron 包中的 times 函数来执行此操作：

library(chron)
vals <- c("9:46","11:06", "14:17", "19:53", "0:03", "3:56")
dat <- times(paste0(vals, ":00"))
hours(dat)
# [1]  9 11 14 19  0  3

如果速度很重要，您可以通过字符串操作更快地提取小时数：

grab.hrs <- function(vals) as.numeric(sub(pattern = ":.*", replacement = "",
                                      x = vals))
grab.hrs(vals)
# [1]  9 11 14 19  0  3

times 和as.POSIXlt（来自@tonytonov 的解决方案）似乎比as.ITime 快一些，而且字符串操作要快得多：

library(microbenchmark)
library(data.table)
microbenchmark(hours(times(paste0(vals, ":00"))),
               hours(as.ITime(vals)),
               as.POSIXlt(vals, format="%H:%M")$hour,
               grab.hrs(vals))
# Unit: microseconds
#                                     expr     min       lq   median       uq      max neval
#        hours(times(paste0(vals, ":00"))) 174.544 184.9485 193.5630 204.6950 5047.195   100
#                    hours(as.ITime(vals)) 665.833 678.8790 705.6445 735.0525 3030.574   100
#  as.POSIXlt(vals, format = "%H:%M")$hour 158.264 169.8880 171.9670 180.1800  301.840   100
#                           grab.hrs(vals)  10.637  15.4540  20.0995  21.1285   55.985   100

【讨论】：

+1！ as.numeric(sub(pattern = ":.*", replacement = "", x = vals) 在这里可能更快。
@Henrik 不错！我已经更新了那个——它确实加快了速度。

【解决方案3】：

要真正加快速度，您还可以从字符串中剪掉 lsat 3 个字符。它比使用regex 更快。

as.numeric(strtrim(times, nchar(times) - 3)) 
## [1]  9 11 14 19  0  3

这是基准测试结果

Unit: microseconds
                                         expr     min       lq   median       uq      max neval
            hours(times(paste0(vals, ":00"))) 200.670 212.9720 218.7960 221.8420  352.370   100
                        hours(as.ITime(vals)) 453.174 478.9680 487.3805 496.7885 1607.321   100
      as.POSIXlt(vals, format = "%H:%M")$hour  41.278  46.4945  49.7310  51.3115   56.453   100
                               grab.hrs(vals)  12.352  15.4295  18.3850  20.3390   31.349   100
  as.numeric(gsub("(.*):.*", "\\\\1", times))  14.528  17.7225  20.6390  23.4530   53.683   100
 as.numeric(strtrim(times, nchar(times) - 3))   9.621  11.6605  12.7435  13.2520  147.446   100

【讨论】：

【解决方案4】：

你也可以试试substr:as.integer(substr(vals, start = 1, stop = nchar(vals) - 3))

在包含 10e6 个元素的向量的基准测试中，stringi::stri_sub 最快，substr 排名第二。

vals <- sample(c("9:46", "11:06", "14:17", "19:53", "0:03", "3:56"), 1e6, replace = TRUE)

fun_substr <- function(vals) as.integer(substr(vals, start = 1, stop = nchar(vals) - 3))

grab.hrs <- function(vals) as.integer(sub(pattern = ":.*", replacement = "", x = vals))

fun_strtrim <- function(vals) as.integer(strtrim(vals, nchar(vals) - 3))

library(chron)
fun_chron <- function(vals) hours(times(paste0(vals, ":00")))

fun_lt <- function(vals) as.POSIXlt(vals, format="%H:%M")$hour

library(stringi)
fun_stri_sub <- function(vals) as.integer(stri_sub(vals, from = 1, to = -4))

library(microbenchmark)
microbenchmark(fun_substr(vals),
               fun_stri_sub(vals),      
               grab.hrs(vals),
               fun_strtrim(vals),
               fun_lt(vals),
               fun_chron(vals),
               unit = "relative", times = 5)
# Unit: relative
#               expr       min        lq      mean    median        uq       max neval
#   fun_substr(vals)  2.186714  1.902074  2.015082  1.968542  1.945007  2.090236     5
# fun_stri_sub(vals)  1.000000  1.000000  1.000000  1.000000  1.000000  1.000000     5
#     grab.hrs(vals)  2.656630  2.397918  2.687133  2.426223  2.446902  3.263962     5
#  fun_strtrim(vals) 31.177869 27.601380 26.009818 27.423562 17.902507 29.426989     5
#       fun_lt(vals) 47.296929 41.122287 42.266556 40.647465 30.539030 52.710992     5
#    fun_chron(vals)  5.594931  5.159192  5.961775  7.746242  5.286944  6.189742     5

【讨论】：

感谢 Henrik 将所有方法合二为一。对理解选项很有帮助。
substr 确实不错，我能够重现相同的基准测试结果。被接受为答案（对所有其他人都 +1，这同样有价值）。

【解决方案5】：

您可以使用 stringi 包中的 stri_sub 函数并像这样修剪最后 3 个字符：

require(stringi)
times <- c("9:46", "11:06", "14:17", "19:53", "0:03", "3:56")
stri_sub(times, from = 1, to = -4)
## [1] "9"  "11" "14" "19" "0"  "3"

如果from 和/或to 参数为负数，则从字符串末尾开始计数。所以在这个例子中，子字符串是从第一个字符到第四个字符，但从字符串的末尾开始计数。

【讨论】：

它真的很快，因为它是用纯 C++ 编写的，所以它必须很快 :) 作为这个包中的每个函数。随意检查！ :)