尝试在 RStudio 中将两个日期时间字段拆分为单独的日期和时间字段

Question

我是 R/RStudio 的新手。我有一个数据框，它有两个日期时间，started_at 和 end_at。我想将它们分成单独的日期和时间列。我已经想出了如何拆分一个或另一个，但我正在努力弄清楚两者，除了拆分一个，创建一个新的数据框，然后拆分另一个。有没有更简单/更快的方法？我目前正在使用变异和分离。

非常感谢您的帮助或建议！

trip_data %>% mutate(started_at = ymd_hms(started_at)) %>%
  separate(started_at, into = c("start_date", "start_time"), sep = " ", remove = FALSE)

我希望我这样做是对的，如果我做错了，我深表歉意。这是我可重现的例子。我有三列，假设有数千行，我需要分隔两个日期时间列，而不是另一个。谢谢你休艾伦在这里开始。或者，正如休艾伦建议的那样，我可能只需要将 ymd 拉到单独的列中，以便计算间隔。

tibble(
  start = '2021-09-18 16:45:32', 
  end = '2021-09-18 16:50:15',
  name = 'trip'
) %>% 
  {. ->> my_data}

Answer 1

如果我们想使用separate 循环多个列，请使用for 循环

library(dplyr)
library(tidyr)
library(stringr)
for(nm in c('started_at', 'ended_at')) {
  trip_data <- trip_data %>%
     separate(!! rlang::sym(nm), into = str_c(str_remove(nm, '_at'), 
       c('_date', '_time')), sep = " ", remove = FALSE)
}

数据

trip_data <- structure(list(started_at = "2021-09-17 20:51:59", ended_at = "2021-09-17 20:52:04"), row.names = c(NA, 
-1L), class = c("tbl_df", "tbl", "data.frame"))

Answer 2

在 R 中处理日期和日期时间时，lubridate 包是您的朋友。它有许多有用的功能，并且有专门设计用于返回日期时间的日期和时间组件的功能。

如果您是 R 新手，我强烈建议您阅读和通读 R for Data Science ebook，尤其是 Chapter 16 - Dates and times，以便使用 lubridate 包很好地了解日期和时间处理。

对于您的示例，您只有两列要提取日期和时间，这可以通过为每一列重复相同的代码相对容易地完成。如果您有很多列，@akrun 建议的 for 循环可能是可行的，或者您可以将数据从宽格式转换为长格式。

首先，我们制作一些样本数据

tibble(
  start = '2021-09-18 16:45:32', 
  end = '2021-09-18 16:50:15'
) %>% 
  {. ->> my_data}

my_data 

# # A tibble: 1 x 2
# start               end                
# <chr>               <chr>              
# 2021-09-18 16:45:32 2021-09-18 16:50:15

到目前为止，日期时间都是字符格式的（如 tibble 预览中列名下的 <chr> 所示）。因此，接下来我们使用lubridate::ymd_hms() 将它们转换为“正确的”日期时间格式。 ymd_hms() 采用以 'YYYY-MM-DD HH:MM:SS' 样式排列的字符格式日期时间，并将其转换为 R 中的日期时间 dttm 格式。

my_data %>% 
  mutate_all(ymd_hms) %>% 
  {. ->> my_data_2}

my_data_2

# # A tibble: 1 x 2
# start               end                
# <dttm>              <dttm>             
# 2021-09-18 16:45:32 2021-09-18 16:50:15

然后，我们可以使用lubridate::date() 仅提取日期时间的“日期”部分，并使用hms::as_hms 提取“时间”部分（参见this answer 解释hms::as_hms）。

my_data_2 %>% 
  mutate(
    start_date = date(start), 
    start_time = hms::as_hms(start), 
    end_date = date(end), 
    end_time = hms::as_hms(end)
  ) %>% 
  {. ->> my_data_3}

my_data_3

# # A tibble: 1 x 6
# start               end                 start_date start_time end_date   end_time
# <dttm>              <dttm>              <date>     <time>     <date>     <time>  
# 2021-09-18 16:45:32 2021-09-18 16:50:15 2021-09-18 16:45:32   2021-09-18 16:50:15

根据您想要做什么，将您的“时间”存储为日期时间而不仅仅是时间组件可能是明智之举。这使得持续时间或时间差的计算更容易，尤其是当时间段跨越多个日期时。

此外，lubridate 还可以提取单独的时间组件，例如小时、分钟和秒，如果需要的话。例如，仅查找 start 列的这些组件：

my_data %>% 
  select(start) %>% 
  mutate(
    start_hour = hour(start), 
    start_min = minute(start),
    start_sec = second(start)
  )

# # A tibble: 1 x 4
# start               start_hour start_min start_sec
# <chr>                    <int>     <int>     <dbl>
# 2021-09-18 16:45:32         16        45        32