我是 R 的新手 - 并在舊帖子中搜索了答案，但未能找到解決我問題的任何內容。
我在旅行開始時以 mdy h:mm:ss 格式拉入了一個 csv，但它目前被識別為一個字符。我試過使用mdy_hms(c("11/1/2020 0:05:00","11/1/2020 7:29:00","11/1/2020 14:04:00"))
也
as.Date(parse_date_time(dc_biketrips$started_at, c(mdy_hms)))無濟于事。
有沒有人對我如何解決這個問題有任何建議？
更新：我也嘗試使用，date <-mdy_hms(c("11/1/2020 0:05:00","11/1/2020 7:29:00","11/1/2020 14:04:00")) str(date)但這也不起作用
嘗試使用 date <-mdy_hms(C("11/1/2020 0:05:00"etc
csv的影像
uj5u.com熱心網友回復：
您的兩個選項中的第一個有效：
library(lubridate)
date <-mdy_hms(c("11/1/2020 0:05:00","11/1/2020 7:29:00","11/1/2020 14:04:00"))
str(date)
# POSIXct[1:3], format: "2020-11-01 00:05:00" "2020-11-01 07:29:00" "2020-11-01 14:04:00"
您的資料是如何“拉入”的？
uj5u.com熱心網友回復：
一種選擇是使用as.POSIXct：
started_at <- c("11/1/2020 0:05:00","11/1/2020 7:29:00","11/1/2020 14:04:00")
as.POSIXct(started_at, format = "%m/%d/%Y %H:%M:%OS")
#> [1] "2020-11-01 00:05:00 CET" "2020-11-01 07:29:00 CET"
#> [3] "2020-11-01 14:04:00 CET"
編輯
library(lubridate)
library(dplyr)
started_at <- c("11/1/2020 0:05:00","11/1/2020 7:29:00","11/1/2020 14:04:00")
- 雙方
as.POSIXct并lubridate::mdy_hms回傳類的一個物件"POSIXct" "POSIXt"
class(as.POSIXct(started_at, format = "%m/%d/%Y %H:%M:%OS"))
#> [1] "POSIXct" "POSIXt"
class(mdy_hms(started_at))
#> [1] "POSIXct" "POSIXt"
- 不確定你的期望。當我運行您的代碼時，一切正常，只是在過濾后我們最終得到 0 obs，
week < 15因為示例資料中的所有日期都來自第 44 周：
dc_biketrips <- data.frame(
started_at
)
dc_biketrips <- dc_biketrips %>%
mutate(started_at = as.POSIXct(started_at, format = "%m/%d/%Y %H:%M:%OS"),
interval60 = floor_date(started_at, unit = "hour"),
interval15 = floor_date(started_at, unit = "15 mins"),
week = week(interval60),
dotw = wday(interval60, label=TRUE))
dc_biketrips
#> started_at interval60 interval15 week dotw
#> 1 2020-11-01 00:05:00 2020-11-01 00:00:00 2020-11-01 00:00:00 44 So
#> 2 2020-11-01 07:29:00 2020-11-01 07:00:00 2020-11-01 07:15:00 44 So
#> 3 2020-11-01 14:04:00 2020-11-01 14:00:00 2020-11-01 14:00:00 44 So
dc_biketrips %>%
filter(week < 15)
#> [1] started_at interval60 interval15 week dotw
#> <0 rows> (or 0-length row.names)
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/372996.html
下一篇：R中的data_GAN邏輯回歸