readr::type_convert 弄乱了时间栏

Question

我有以下 R 数据框：

zed
# A tibble: 10 x 3
   jersey_number first_name statistics.minutes
   <chr>         <chr>      <chr>             
 1 20            Marques    8:20              
 2 53            Brennan    00:00             
 3 35            Marvin     40:00             
 4 50            Justin     00:00             
 5 14            Jordan     00:00             
 6 1             Trevon     31:00             
 7 15            Alex       2:00              
 8 51            Mike       00:00             
 9 12            Javin      17:00             
10 3             Grayson    38:00     

> dput(zed)
structure(list(jersey_number = c("20", "53", "35", "50", "14", 
"1", "15", "51", "12", "3"), first_name = c("Marques", "Brennan", 
"Marvin", "Justin", "Jordan", "Trevon", "Alex", "Mike", "Javin", 
"Grayson"), statistics.minutes = c("8:20", "00:00", "40:00", 
"00:00", "00:00", "31:00", "2:00", "00:00", "17:00", "38:00")), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

这是我从中接收数据的 API 的数据格式。所有列（大约有 100 列）最初都是 class character。要转换所有内容，我使用 readr::type_convert()，但会发生以下错误：

> zed %>% readr::type_convert()
Parsed with column specification:
cols(
  jersey_number = col_integer(),
  first_name = col_character(),
  statistics.minutes = col_time(format = "")
)
# A tibble: 10 x 3
   jersey_number first_name statistics.minutes
           <int> <chr>      <time>            
 1            20 Marques    08:20             
 2            53 Brennan    00:00             
 3            35 Marvin        NA             
 4            50 Justin     00:00             
 5            14 Jordan     00:00             
 6             1 Trevon        NA             
 7            15 Alex       02:00             
 8            51 Mike       00:00             
 9            12 Javin      17:00             
10             3 Grayson       NA

我希望这个分钟列变成 class == 数字，而不是抛出错误和搞乱转换。如果这一列的一行显示“8:20”，我希望将其简单地转换为 8.33。

关于如何做到这一点的任何想法 - 最好是能让我继续使用的东西 type_convert。

Answer 1

我唯一想到的就是首先将有问题的列转换为数字，例如

(zed 
   ## split stats column in two, with names unlikely to clash w/ existing
   %>% tidyr::separate(statistics.minutes,c("tmp...mins","tmp...secs"))
   ## explicitly convert
   %>% dplyr::mutate(statistics.minutes=as.numeric(tmp...mins)+as.numeric(tmp...secs)/60)
   ## throw out the temp variables
   %>% dplyr::select(-starts_with("tmp..."))
   %>% readr::type_convert()
)

我不知道这是否满足您的 "continue using type_convert" 标准。将自定义转换函数传递给 type_convert 会更优雅，但我不知道该怎么做。

Answer 2

library(lubridate)

不加改动地读入 df（您的 dput 代码）。

将小时加到分秒：

df$statistics.minutes <- paste0("00:", df$statistics.minutes)

转换为时间类型：

df$statistics.minutes <- lubridate::hms(df$statistics.minutes)

除以 60:

period_to_seconds(df$statistics.minutes) / 60

结果：

 [1]  8.333333  0.000000 40.000000  0.000000  0.000000
 [6] 31.000000  2.000000  0.000000 17.000000 38.000000

在 df 中替换，如果需要：

df$statistics.minutes <- period_to_seconds(df$statistics.minutes) / 60

[OP 的补充] :-)

我已经创建了以下辅助函数 - 基于这个结果 - 所以我可以在不破坏我的管道链的情况下解决这个问题：

fixMinutes <- function(raw.data) {

  new.raw.data <- raw.data %>%
    dplyr::mutate(statistics.minutes = paste0("00:", statistics.minutes)) %>%
    dplyr::mutate(statistics.minutes = lubridate::hms(statistics.minutes)) %>%
    dplyr::mutate(statistics.minutes = lubridate::period_to_seconds(statistics.minutes) / 60)

  return(new.raw.data)
}

zed %>% 
  ... %>% 
  fixMinutes() %>%
  ... %>%

readr::type_convert 弄乱了时间栏

readr::type_convert messes up time column

r

data-manipulation

readr