在 base R 中快速高效地将多列中的 Year、Julien 和 Time 转换为 POSIXct

Question

我有很多大型数据帧（+500,000 行），这些数据帧的日期时间信息存储在多个列中。它不是 MM/DD/YYYY 格式，而是在一列中包含年份，在下一列中包含朱利安日历日，在第三列中包含时间。数据结构如下：

df<-data.frame(YEAR = sample(2000:2020,10000, replace=T), 
           JULIEN = sample(1:365,10000,replace=T),
           Time = sample(0:59,10000,replace = T),
           dataVar1 = runif(10000,1.0,10.0),
           dataVar2 = runif(10000,20.0,100.0))

到目前为止，我已经解决了这个问题：

timeR<-vector()
for (i in 1:dim(df)[1]){
currentTime<-paste(as.Date(df$JULIEN[i], origin=paste(df$YEAR[i]-1,"-12-31", sep = "")),formatC(df$Time[i], width = 4, format = "d", flag = "0"))
timeR<-c(timeR,currentTime)
}
df<-cbind(timeR,df[, ! names(df) %in% c("YEAR","JULIEN","Time")])
df$timeR<-as.POSIXct(df$timeR,format = "%Y-%m-%d %H%M", tz = "EST")
rm(timeR,i,currentTime)

但这需要大量时间。关于如何使运行更快的任何想法？谢谢。

Answer 1

paste 和 as.Date 被矢量化

v1 <- as.Date(df$JULIEN, origin = paste0(df$YEAR-1,"-12-31"))
currentTime <- paste(v1, formatC(df$Time, width = 4, format = "d", flag = "0"))

基准

system.time({
 timeR<-vector()
 for (i in 1:dim(df)[1]){
  currentTime<-paste(as.Date(df$JULIEN[i], origin=paste(df$YEAR[i]-1,"-12-31", sep = "")),formatC(df$Time[i], width = 4, format = "d", flag = "0"))
  timeR<-c(timeR,currentTime)
 }})
#   user  system elapsed #
#  1.300   0.061   1.366 

system.time({
 v1 <- as.Date(df$JULIEN, origin = paste0(df$YEAR-1,"-12-31"))
 currentTime <- paste(v1, formatC(df$Time, width = 4, format = "d", flag = "0"))
 })
#  user  system elapsed 
#  0.076   0.004   0.080

在 base R 中快速高效地将多列中的 Year、Julien 和 Time 转换为 POSIXct

Convert Year, Julien, & Time to POSIXct from multiple columns quickly and efficiently in base R

datetime

r

posixct

基准