从R中的大型数据集中拆分字符变量[重复]答案

【问题标题】：Spiltting a character variable from a large dataset in R [duplicate]从R中的大型数据集中拆分字符变量[重复]
【发布时间】：2017-01-19 06:15:03
【问题描述】：

我有一个包含 165 个变量的大型数据集（1700 万受访者）。我有一个格式如下的日期变量：

9/16/2009 12:35:00 PM 
9/16/2009 12:54:43 PM 
9/16/2009 1:35:00 PM 
...

我正在尝试提取年份。我尝试过 splitstr，但似乎无法真正将新矩阵或数据框拆分为列。任何帮助表示赞赏！

这与其他提取日期问题不同，因为我需要从包含 1700 万个响应的整个数据框中进行提取。

【问题讨论】：

标签： r

【解决方案1】：

如果我们需要通过“日期”和“时间”来split，可以方便地使用tidyr中的separate

library(tidyr)
df2 %>% 
   separate(DateTime, into = c("Date", "Time"), sep=" ")

如果我们需要提取年份，请使用gsub

df2$Year <- gsub(".*/|\\s+.*", "", df2$DateTime)

或者使用as.POSIXct，因为它是“日期时间”

df2$Year <- format(as.POSIXct(df2$DateTime, format = "%m/%d/%Y %H:%M:%S"), "%Y")

或者正如 @Jaap 在 cmets 中建议的那样

strptime(df2$DateTime, format = '%m/%d/%Y %I:%M:%S %p')$year + 1900

as.POSIXct 和strptime 的区别在于输出对象的class。对于as.POSIXct，它有POSIXct 类，而strptime 是POSIXlt 和POSIXct。除了上述之外，使用任何一种都有方便。如果有人想提取不同的部分，如“月”、“年”等，strptime 更方便。使用as.POSIXct，我们可以包装format 以提取“月”、“年”。另外，请注意strptime 类与dplyr 函数的使用存在一些冲突

或使用lubridate

library(lubridate)
df2$Year <- year(mdy_hms(df2$DateTime))

注意：使用日期时间函数进行提取比使用字符串操作更好

【讨论】：

我会试试这个谢谢！
我之前使用日期和时间函数所做的每一次尝试都没有返回任何内容，我认为是因为“字符串”末尾的 AM/PM 指定。原始数据集是来自数据收集文件的 csv。
另一种选择：strptime('9/16/2009 12:35:00 PM', format = '%m/%d/%Y %I:%M:%S %p')$year + 1900
@Jaap 不错。对于像我这样的初学者来说，这将作为答案发布（如果它不存在的话）。
@Christoph 我展示了比需要与 1900 求和的方法更直接的方法。

【解决方案2】：

如果你想提取年份，你可以试试这个：

df <- read.csv(text='Date
9/16/2009 12:35:00 PM 
9/16/2009 12:54:43 PM 
9/16/2009 1:35:00 PM ')

df$year <- as.numeric(substring(as.character(df$Date), 6,9))
df$year
#[1] 2009 2009 2009

【讨论】：

谢谢，我需要将日期保持在行中，就像原始数据集一样。它有 1700 万行，涉及 165 个变量（我列出的 3 个变量只是这些变量如何格式化的一个示例）。最终，我需要能够在其他变量上按年份运行交叉表。
好的，你可以添加一个更新的列。