R：从 SQL 导出数据后无法将字符串转换为正确的日期时间格式
R: Trouble converting string to proper date time format after exporting data from SQL
我从一开始就承认我是 R 的新手，我唯一的其他 "programming" 经验是在 MATLAB 环境中。
我已经 运行在与我的问题相关的 Whosebug 上浏览了许多 posts，但尚未找到与我的确切问题匹配的 post，所以我选择 post 在这里。
问题定义
将数据（捕获与测量设备相关的信息）从 SQL 导出到 csv 文件后，我使用 read.table 命令将数据导入 R，如下所示：
tbl = read.csv("myfile.csv", sep = ",", header = TRUE, stringsAsFactors = FALSE);
这提供了一个数据框，其中包含 8 个变量的超过 17, 000 个观察值。在这 8 个变量中，只有最后 2 个（列）感兴趣（ReadingTime 和 Reading）所以我将这些数据帧减少到 df 如下：
df = tbl[,c(7,8)];
出于可视化目的，df 的前 25 个元素如下所示：
df[c(1:25),]
ReadingTime Reading
1 2015-Dec-31 11:00:00 PM 3.52
2 2015-Dec-31 10:00:00 PM 3.97
3 2015-Dec-31 9:00:00 PM 3.85
4 2015-Dec-31 8:00:00 PM 3.94
5 2015-Dec-31 7:00:00 PM 4.47
6 2015-Dec-31 6:00:00 PM 4.75
7 2015-Dec-31 5:00:00 PM 6.58
8 2015-Dec-31 4:00:00 PM 6.99
9 2015-Dec-31 3:00:00 PM 7.50
10 2015-Dec-31 2:00:00 PM 6.28
11 2015-Dec-31 1:00:00 PM 6.16
12 2015-Dec-31 12:00:00 PM 4.49
13 2015-Dec-31 11:00:00 AM 4.30
14 2015-Dec-31 10:00:00 AM 4.27
15 2015-Dec-31 9:00:00 AM 4.54
16 2015-Dec-31 8:00:00 AM 4.30
17 2015-Dec-31 7:00:00 AM 4.52
18 2015-Dec-31 6:00:00 AM 4.65
19 2015-Dec-31 5:00:00 AM 4.25
20 2015-Dec-31 4:00:00 AM 4.45
21 2015-Dec-31 3:00:00 AM 4.26
22 2015-Dec-31 2:00:00 AM 5.02
23 2015-Dec-31 1:00:00 AM 5.17
24 2015-Dec-31 5.44
25 2015-Dec-30 11:00:00 PM 5.53
Objective
我现在想将 df 转换为具有适当日期时间格式的 xts 对象，以便我可以创建汇总统计信息并对我的数据执行转换（例如，将小时时间序列转换为每日、每周等时间序列)，并最终在预测练习中使用 xts 对象。
遇到的困难
当尝试将 ReadingTime 从 df（即字符格式的日期时间）转换为 xts 识别的日期时间格式时，我 运行 出现了日期时间发生在午夜的问题。举例如下：
strptime(df[,1], "%Y-%b-%d %H:%M:%S %p",tz="GMT");
df[c(1:25),1]
[1] "2015-12-31 11:00:00 GMT" "2015-12-31 10:00:00 GMT" "2015-12-31 09:00:00 GMT"
[4] "2015-12-31 08:00:00 GMT" "2015-12-31 07:00:00 GMT" "2015-12-31 06:00:00 GMT"
[7] "2015-12-31 05:00:00 GMT" "2015-12-31 04:00:00 GMT" "2015-12-31 03:00:00 GMT"
[10] "2015-12-31 02:00:00 GMT" "2015-12-31 01:00:00 GMT" "2015-12-31 12:00:00 GMT"
[13] "2015-12-31 11:00:00 GMT" "2015-12-31 10:00:00 GMT" "2015-12-31 09:00:00 GMT"
[16] "2015-12-31 08:00:00 GMT" "2015-12-31 07:00:00 GMT" "2015-12-31 06:00:00 GMT"
[19] "2015-12-31 05:00:00 GMT" "2015-12-31 04:00:00 GMT" "2015-12-31 03:00:00 GMT"
[22] "2015-12-31 02:00:00 GMT" "2015-12-31 01:00:00 GMT" NA
[25] "2015-12-30 11:00:00 GMT"
问题：
我的三个问题如下：1) 为什么 AM/PM 没有得到维护 - 如何修复它（下面的@HubertL 已经解决了这个问题 )?; 2) 如何克服 [24] 处的 NA，并将其转换为正确的格式？ AND 3) 如何将 df 转换为 xts 对象？
@HubertL 提出的解决方案
到目前为止，@HubertL 已经解决了 Q1。 @HubertL 提出的答案 2 (A2) 的第一部分将 ReadingTime 的各个组件分开，并向 df 添加另一列，如下所示：
> df[c(1:25),]
ReadingTime Reading dateSplit
1 2015-Dec-31 11:00:00 PM 3.52 2015-Dec-31, 11:00:00, PM
2 2015-Dec-31 10:00:00 PM 3.97 2015-Dec-31, 10:00:00, PM
3 2015-Dec-31 9:00:00 PM 3.85 2015-Dec-31, 9:00:00, PM
4 2015-Dec-31 8:00:00 PM 3.94 2015-Dec-31, 8:00:00, PM
5 2015-Dec-31 7:00:00 PM 4.47 2015-Dec-31, 7:00:00, PM
6 2015-Dec-31 6:00:00 PM 4.75 2015-Dec-31, 6:00:00, PM
7 2015-Dec-31 5:00:00 PM 6.58 2015-Dec-31, 5:00:00, PM
8 2015-Dec-31 4:00:00 PM 6.99 2015-Dec-31, 4:00:00, PM
9 2015-Dec-31 3:00:00 PM 7.50 2015-Dec-31, 3:00:00, PM
10 2015-Dec-31 2:00:00 PM 6.28 2015-Dec-31, 2:00:00, PM
11 2015-Dec-31 1:00:00 PM 6.16 2015-Dec-31, 1:00:00, PM
12 2015-Dec-31 12:00:00 PM 4.49 2015-Dec-31, 12:00:00, PM
13 2015-Dec-31 11:00:00 AM 4.30 2015-Dec-31, 11:00:00, AM
14 2015-Dec-31 10:00:00 AM 4.27 2015-Dec-31, 10:00:00, AM
15 2015-Dec-31 9:00:00 AM 4.54 2015-Dec-31, 9:00:00, AM
16 2015-Dec-31 8:00:00 AM 4.30 2015-Dec-31, 8:00:00, AM
17 2015-Dec-31 7:00:00 AM 4.52 2015-Dec-31, 7:00:00, AM
18 2015-Dec-31 6:00:00 AM 4.65 2015-Dec-31, 6:00:00, AM
19 2015-Dec-31 5:00:00 AM 4.25 2015-Dec-31, 5:00:00, AM
20 2015-Dec-31 4:00:00 AM 4.45 2015-Dec-31, 4:00:00, AM
21 2015-Dec-31 3:00:00 AM 4.26 2015-Dec-31, 3:00:00, AM
22 2015-Dec-31 2:00:00 AM 5.02 2015-Dec-31, 2:00:00, AM
23 2015-Dec-31 1:00:00 AM 5.17 2015-Dec-31, 1:00:00, AM
24 2015-Dec-31 5.44 2015-Dec-31
25 2015-Dec-30 11:00:00 PM 5.53 2015-Dec-30, 11:00:00, PM
现在，当 运行A2 的第二行代码时，我 运行 遇到了问题，即建议的 lengths 函数对于我的 R (3.1.1) 版本不存在), 所以我用 length 函数代替了，这样可以吗？ Anyway 运行A2的第二行和第三行代码的结果如下：
> df[c(1:25),]
ReadingTime Reading dateSplit date
1 2015-Dec-31 11:00:00 PM 3.52 2015-Dec-31, 11:00:00, PM 2015-12-31 23:00:00
2 2015-Dec-31 10:00:00 PM 3.97 2015-Dec-31, 10:00:00, PM 2015-12-31 22:00:00
3 2015-Dec-31 9:00:00 PM 3.85 2015-Dec-31, 9:00:00, PM 2015-12-31 21:00:00
4 2015-Dec-31 8:00:00 PM 3.94 2015-Dec-31, 8:00:00, PM 2015-12-31 20:00:00
5 2015-Dec-31 7:00:00 PM 4.47 2015-Dec-31, 7:00:00, PM 2015-12-31 19:00:00
6 2015-Dec-31 6:00:00 PM 4.75 2015-Dec-31, 6:00:00, PM 2015-12-31 18:00:00
7 2015-Dec-31 5:00:00 PM 6.58 2015-Dec-31, 5:00:00, PM 2015-12-31 17:00:00
8 2015-Dec-31 4:00:00 PM 6.99 2015-Dec-31, 4:00:00, PM 2015-12-31 16:00:00
9 2015-Dec-31 3:00:00 PM 7.50 2015-Dec-31, 3:00:00, PM 2015-12-31 15:00:00
10 2015-Dec-31 2:00:00 PM 6.28 2015-Dec-31, 2:00:00, PM 2015-12-31 14:00:00
11 2015-Dec-31 1:00:00 PM 6.16 2015-Dec-31, 1:00:00, PM 2015-12-31 13:00:00
12 2015-Dec-31 12:00:00 PM 4.49 2015-Dec-31, 12:00:00, PM 2015-12-31 12:00:00
13 2015-Dec-31 11:00:00 AM 4.30 2015-Dec-31, 11:00:00, AM 2015-12-31 11:00:00
14 2015-Dec-31 10:00:00 AM 4.27 2015-Dec-31, 10:00:00, AM 2015-12-31 10:00:00
15 2015-Dec-31 9:00:00 AM 4.54 2015-Dec-31, 9:00:00, AM 2015-12-31 09:00:00
16 2015-Dec-31 8:00:00 AM 4.30 2015-Dec-31, 8:00:00, AM 2015-12-31 08:00:00
17 2015-Dec-31 7:00:00 AM 4.52 2015-Dec-31, 7:00:00, AM 2015-12-31 07:00:00
18 2015-Dec-31 6:00:00 AM 4.65 2015-Dec-31, 6:00:00, AM 2015-12-31 06:00:00
19 2015-Dec-31 5:00:00 AM 4.25 2015-Dec-31, 5:00:00, AM 2015-12-31 05:00:00
20 2015-Dec-31 4:00:00 AM 4.45 2015-Dec-31, 4:00:00, AM 2015-12-31 04:00:00
21 2015-Dec-31 3:00:00 AM 4.26 2015-Dec-31, 3:00:00, AM 2015-12-31 03:00:00
22 2015-Dec-31 2:00:00 AM 5.02 2015-Dec-31, 2:00:00, AM 2015-12-31 02:00:00
23 2015-Dec-31 1:00:00 AM 5.17 2015-Dec-31, 1:00:00, AM 2015-12-31 01:00:00
24 2015-Dec-31 5.44 2015-Dec-31 <NA>
25 2015-Dec-30 11:00:00 PM 5.53 2015-Dec-30, 11:00:00, PM 2015-12-30 23:00:00
您可以看到 [24] 的 NA 仍然存在。当我应用为 A3 建议的代码时，此问题导致午夜发生的所有测量值都从 xts 对象中披露。即：
> df[c(1:25),]
[,1]
2014-01-01 01:00:00 4.67
2014-01-01 02:00:00 4.78
2014-01-01 03:00:00 4.87
2014-01-01 04:00:00 4.61
2014-01-01 05:00:00 4.58
2014-01-01 06:00:00 4.47
2014-01-01 07:00:00 4.66
2014-01-01 08:00:00 4.46
2014-01-01 09:00:00 4.57
2014-01-01 10:00:00 4.87
2014-01-01 11:00:00 4.57
2014-01-01 12:00:00 4.67
2014-01-01 13:00:00 5.52
2014-01-01 14:00:00 6.42
2014-01-01 15:00:00 6.79
2014-01-01 16:00:00 6.50
2014-01-01 17:00:00 5.81
2014-01-01 18:00:00 5.65
2014-01-01 19:00:00 6.25
2014-01-01 20:00:00 5.79
2014-01-01 21:00:00 5.84
2014-01-01 22:00:00 6.06
2014-01-01 23:00:00 4.74
2014-01-02 01:00:00 4.66
2014-01-02 02:00:00 5.59
如果能帮助解决最后几个问题，我们将不胜感激！
答案 1：使用 %I 而不是 %H
test = strptime(..., "%Y-%b-%d %I:%M:%S %p",tz="GMT")
答案 2：
df$dateSplit <- strsplit( df$ReadingTime, " ")
df[lengths(df$dateSplit)<3,"ReadingTime"] <-
format(
strptime(df$date[lengths(df$dateSplit)<3], "%Y-%b-%d", tz="GMT"),
"%Y-%b-%d %I:%M:%S %p", tz="GMT")
df$date <- strptime(df$ReadingTime, "%Y-%b-%d %I:%M:%S %p", tz="GMT")
答案 3：
require(xts)
xts(df$Reading,df$date)
我从一开始就承认我是 R 的新手，我唯一的其他 "programming" 经验是在 MATLAB 环境中。
我已经 运行在与我的问题相关的 Whosebug 上浏览了许多 posts，但尚未找到与我的确切问题匹配的 post，所以我选择 post 在这里。
问题定义
将数据（捕获与测量设备相关的信息）从 SQL 导出到 csv 文件后，我使用 read.table 命令将数据导入 R，如下所示：
tbl = read.csv("myfile.csv", sep = ",", header = TRUE, stringsAsFactors = FALSE);
这提供了一个数据框，其中包含 8 个变量的超过 17, 000 个观察值。在这 8 个变量中，只有最后 2 个（列）感兴趣（ReadingTime 和 Reading）所以我将这些数据帧减少到 df 如下：
df = tbl[,c(7,8)];
出于可视化目的，df 的前 25 个元素如下所示：
df[c(1:25),]
ReadingTime Reading
1 2015-Dec-31 11:00:00 PM 3.52
2 2015-Dec-31 10:00:00 PM 3.97
3 2015-Dec-31 9:00:00 PM 3.85
4 2015-Dec-31 8:00:00 PM 3.94
5 2015-Dec-31 7:00:00 PM 4.47
6 2015-Dec-31 6:00:00 PM 4.75
7 2015-Dec-31 5:00:00 PM 6.58
8 2015-Dec-31 4:00:00 PM 6.99
9 2015-Dec-31 3:00:00 PM 7.50
10 2015-Dec-31 2:00:00 PM 6.28
11 2015-Dec-31 1:00:00 PM 6.16
12 2015-Dec-31 12:00:00 PM 4.49
13 2015-Dec-31 11:00:00 AM 4.30
14 2015-Dec-31 10:00:00 AM 4.27
15 2015-Dec-31 9:00:00 AM 4.54
16 2015-Dec-31 8:00:00 AM 4.30
17 2015-Dec-31 7:00:00 AM 4.52
18 2015-Dec-31 6:00:00 AM 4.65
19 2015-Dec-31 5:00:00 AM 4.25
20 2015-Dec-31 4:00:00 AM 4.45
21 2015-Dec-31 3:00:00 AM 4.26
22 2015-Dec-31 2:00:00 AM 5.02
23 2015-Dec-31 1:00:00 AM 5.17
24 2015-Dec-31 5.44
25 2015-Dec-30 11:00:00 PM 5.53
Objective
我现在想将 df 转换为具有适当日期时间格式的 xts 对象，以便我可以创建汇总统计信息并对我的数据执行转换（例如，将小时时间序列转换为每日、每周等时间序列)，并最终在预测练习中使用 xts 对象。
遇到的困难
当尝试将 ReadingTime 从 df（即字符格式的日期时间）转换为 xts 识别的日期时间格式时，我 运行 出现了日期时间发生在午夜的问题。举例如下：
strptime(df[,1], "%Y-%b-%d %H:%M:%S %p",tz="GMT");
df[c(1:25),1]
[1] "2015-12-31 11:00:00 GMT" "2015-12-31 10:00:00 GMT" "2015-12-31 09:00:00 GMT"
[4] "2015-12-31 08:00:00 GMT" "2015-12-31 07:00:00 GMT" "2015-12-31 06:00:00 GMT"
[7] "2015-12-31 05:00:00 GMT" "2015-12-31 04:00:00 GMT" "2015-12-31 03:00:00 GMT"
[10] "2015-12-31 02:00:00 GMT" "2015-12-31 01:00:00 GMT" "2015-12-31 12:00:00 GMT"
[13] "2015-12-31 11:00:00 GMT" "2015-12-31 10:00:00 GMT" "2015-12-31 09:00:00 GMT"
[16] "2015-12-31 08:00:00 GMT" "2015-12-31 07:00:00 GMT" "2015-12-31 06:00:00 GMT"
[19] "2015-12-31 05:00:00 GMT" "2015-12-31 04:00:00 GMT" "2015-12-31 03:00:00 GMT"
[22] "2015-12-31 02:00:00 GMT" "2015-12-31 01:00:00 GMT" NA
[25] "2015-12-30 11:00:00 GMT"
问题：
我的三个问题如下：1) 为什么 AM/PM 没有得到维护 - 如何修复它（下面的@HubertL 已经解决了这个问题 )?; 2) 如何克服 [24] 处的 NA，并将其转换为正确的格式？ AND 3) 如何将 df 转换为 xts 对象？
@HubertL 提出的解决方案 到目前为止，@HubertL 已经解决了 Q1。 @HubertL 提出的答案 2 (A2) 的第一部分将 ReadingTime 的各个组件分开，并向 df 添加另一列，如下所示：
> df[c(1:25),]
ReadingTime Reading dateSplit
1 2015-Dec-31 11:00:00 PM 3.52 2015-Dec-31, 11:00:00, PM
2 2015-Dec-31 10:00:00 PM 3.97 2015-Dec-31, 10:00:00, PM
3 2015-Dec-31 9:00:00 PM 3.85 2015-Dec-31, 9:00:00, PM
4 2015-Dec-31 8:00:00 PM 3.94 2015-Dec-31, 8:00:00, PM
5 2015-Dec-31 7:00:00 PM 4.47 2015-Dec-31, 7:00:00, PM
6 2015-Dec-31 6:00:00 PM 4.75 2015-Dec-31, 6:00:00, PM
7 2015-Dec-31 5:00:00 PM 6.58 2015-Dec-31, 5:00:00, PM
8 2015-Dec-31 4:00:00 PM 6.99 2015-Dec-31, 4:00:00, PM
9 2015-Dec-31 3:00:00 PM 7.50 2015-Dec-31, 3:00:00, PM
10 2015-Dec-31 2:00:00 PM 6.28 2015-Dec-31, 2:00:00, PM
11 2015-Dec-31 1:00:00 PM 6.16 2015-Dec-31, 1:00:00, PM
12 2015-Dec-31 12:00:00 PM 4.49 2015-Dec-31, 12:00:00, PM
13 2015-Dec-31 11:00:00 AM 4.30 2015-Dec-31, 11:00:00, AM
14 2015-Dec-31 10:00:00 AM 4.27 2015-Dec-31, 10:00:00, AM
15 2015-Dec-31 9:00:00 AM 4.54 2015-Dec-31, 9:00:00, AM
16 2015-Dec-31 8:00:00 AM 4.30 2015-Dec-31, 8:00:00, AM
17 2015-Dec-31 7:00:00 AM 4.52 2015-Dec-31, 7:00:00, AM
18 2015-Dec-31 6:00:00 AM 4.65 2015-Dec-31, 6:00:00, AM
19 2015-Dec-31 5:00:00 AM 4.25 2015-Dec-31, 5:00:00, AM
20 2015-Dec-31 4:00:00 AM 4.45 2015-Dec-31, 4:00:00, AM
21 2015-Dec-31 3:00:00 AM 4.26 2015-Dec-31, 3:00:00, AM
22 2015-Dec-31 2:00:00 AM 5.02 2015-Dec-31, 2:00:00, AM
23 2015-Dec-31 1:00:00 AM 5.17 2015-Dec-31, 1:00:00, AM
24 2015-Dec-31 5.44 2015-Dec-31
25 2015-Dec-30 11:00:00 PM 5.53 2015-Dec-30, 11:00:00, PM
现在，当 运行A2 的第二行代码时，我 运行 遇到了问题，即建议的 lengths 函数对于我的 R (3.1.1) 版本不存在), 所以我用 length 函数代替了，这样可以吗？ Anyway 运行A2的第二行和第三行代码的结果如下：
> df[c(1:25),]
ReadingTime Reading dateSplit date
1 2015-Dec-31 11:00:00 PM 3.52 2015-Dec-31, 11:00:00, PM 2015-12-31 23:00:00
2 2015-Dec-31 10:00:00 PM 3.97 2015-Dec-31, 10:00:00, PM 2015-12-31 22:00:00
3 2015-Dec-31 9:00:00 PM 3.85 2015-Dec-31, 9:00:00, PM 2015-12-31 21:00:00
4 2015-Dec-31 8:00:00 PM 3.94 2015-Dec-31, 8:00:00, PM 2015-12-31 20:00:00
5 2015-Dec-31 7:00:00 PM 4.47 2015-Dec-31, 7:00:00, PM 2015-12-31 19:00:00
6 2015-Dec-31 6:00:00 PM 4.75 2015-Dec-31, 6:00:00, PM 2015-12-31 18:00:00
7 2015-Dec-31 5:00:00 PM 6.58 2015-Dec-31, 5:00:00, PM 2015-12-31 17:00:00
8 2015-Dec-31 4:00:00 PM 6.99 2015-Dec-31, 4:00:00, PM 2015-12-31 16:00:00
9 2015-Dec-31 3:00:00 PM 7.50 2015-Dec-31, 3:00:00, PM 2015-12-31 15:00:00
10 2015-Dec-31 2:00:00 PM 6.28 2015-Dec-31, 2:00:00, PM 2015-12-31 14:00:00
11 2015-Dec-31 1:00:00 PM 6.16 2015-Dec-31, 1:00:00, PM 2015-12-31 13:00:00
12 2015-Dec-31 12:00:00 PM 4.49 2015-Dec-31, 12:00:00, PM 2015-12-31 12:00:00
13 2015-Dec-31 11:00:00 AM 4.30 2015-Dec-31, 11:00:00, AM 2015-12-31 11:00:00
14 2015-Dec-31 10:00:00 AM 4.27 2015-Dec-31, 10:00:00, AM 2015-12-31 10:00:00
15 2015-Dec-31 9:00:00 AM 4.54 2015-Dec-31, 9:00:00, AM 2015-12-31 09:00:00
16 2015-Dec-31 8:00:00 AM 4.30 2015-Dec-31, 8:00:00, AM 2015-12-31 08:00:00
17 2015-Dec-31 7:00:00 AM 4.52 2015-Dec-31, 7:00:00, AM 2015-12-31 07:00:00
18 2015-Dec-31 6:00:00 AM 4.65 2015-Dec-31, 6:00:00, AM 2015-12-31 06:00:00
19 2015-Dec-31 5:00:00 AM 4.25 2015-Dec-31, 5:00:00, AM 2015-12-31 05:00:00
20 2015-Dec-31 4:00:00 AM 4.45 2015-Dec-31, 4:00:00, AM 2015-12-31 04:00:00
21 2015-Dec-31 3:00:00 AM 4.26 2015-Dec-31, 3:00:00, AM 2015-12-31 03:00:00
22 2015-Dec-31 2:00:00 AM 5.02 2015-Dec-31, 2:00:00, AM 2015-12-31 02:00:00
23 2015-Dec-31 1:00:00 AM 5.17 2015-Dec-31, 1:00:00, AM 2015-12-31 01:00:00
24 2015-Dec-31 5.44 2015-Dec-31 <NA>
25 2015-Dec-30 11:00:00 PM 5.53 2015-Dec-30, 11:00:00, PM 2015-12-30 23:00:00
您可以看到 [24] 的 NA 仍然存在。当我应用为 A3 建议的代码时，此问题导致午夜发生的所有测量值都从 xts 对象中披露。即：
> df[c(1:25),]
[,1]
2014-01-01 01:00:00 4.67
2014-01-01 02:00:00 4.78
2014-01-01 03:00:00 4.87
2014-01-01 04:00:00 4.61
2014-01-01 05:00:00 4.58
2014-01-01 06:00:00 4.47
2014-01-01 07:00:00 4.66
2014-01-01 08:00:00 4.46
2014-01-01 09:00:00 4.57
2014-01-01 10:00:00 4.87
2014-01-01 11:00:00 4.57
2014-01-01 12:00:00 4.67
2014-01-01 13:00:00 5.52
2014-01-01 14:00:00 6.42
2014-01-01 15:00:00 6.79
2014-01-01 16:00:00 6.50
2014-01-01 17:00:00 5.81
2014-01-01 18:00:00 5.65
2014-01-01 19:00:00 6.25
2014-01-01 20:00:00 5.79
2014-01-01 21:00:00 5.84
2014-01-01 22:00:00 6.06
2014-01-01 23:00:00 4.74
2014-01-02 01:00:00 4.66
2014-01-02 02:00:00 5.59
如果能帮助解决最后几个问题，我们将不胜感激！
答案 1：使用 %I 而不是 %H
test = strptime(..., "%Y-%b-%d %I:%M:%S %p",tz="GMT")
答案 2：
df$dateSplit <- strsplit( df$ReadingTime, " ")
df[lengths(df$dateSplit)<3,"ReadingTime"] <-
format(
strptime(df$date[lengths(df$dateSplit)<3], "%Y-%b-%d", tz="GMT"),
"%Y-%b-%d %I:%M:%S %p", tz="GMT")
df$date <- strptime(df$ReadingTime, "%Y-%b-%d %I:%M:%S %p", tz="GMT")
答案 3：
require(xts)
xts(df$Reading,df$date)