在 R 中使用困难的 AM/PM 格式和带有 lubridate 的 REGEX
Working with difficult AM/PM formats and REGEX with lubridate in R
大家好，我希望每个人都过得愉快，我正在尝试在 R 上的 lubridate 中使用一些 AM/PM 格式，但我似乎无法想出一个合适的解决方案，希望你们能纠正请帮帮我！
我有一个巨大的数据集，其中包含 date_time 格式，格式非常罕见，格式如下：
首先是表示日期的数字，其次是月份的缩写，甚至是月份，完整拼写为 12H 时间格式和字符串“a.m”。或“下午”甚至是“点”之间或缺少“点”的更多空格的组合，例如“a.m”来设置示例请看一下这个向量：
dates<-c("02 dec 05:47 a. m",
"7 November 09:47 p. m.",
"3 jul 12:28 a.m.",
"23 sept 08:53 a m.",
"7 may 09:05 PM")
这些弥补了数据集中超过 95% 的罕见日期时间格式我一直在尝试在 R 上使用 lubridate 我正在尝试使用函数
ydm_hm(paste(2021,dates))
这是因为所有日期都是 2021 年，但我总是得到：
[1] NA NA NA
[4] NA "2021-05-07 21:05:00 UTC"
Warning message:
4 failed to parse.
无法解析的 4 个给我 NAS，唯一一个解析正确的我确实注意到这个有 PM 或 AM 作为大写字母，没有点，但大多数时候我的格式是这样的：
ydm_hm("7 may 09:05 p.m.")
这给了我 NAS...
所以我觉得好像让这个日期成为锻炼的唯一方法是改变结构并使用 REGEX 转换所有“a.m”。只有在分析数据后我才意识到所有“p.m”或“a.m.”组合成“AM”和“PM”。字符串在 12H 时间格式之后的一个或两个空格之后，其长度始终为 5 个字符，因此应该考虑提出 REGEX 模式的内容如下
字符串将以一个或两个数字开始，然后是空格，然后是字母（对于缩写或完整拼写的月份，之后将有空格，然后是 5 个字符（这是 12H 时间格式），然后是字母空格和所有可能的 a.m 和 p.m 格式的点，但我没有运气尝试转换日期的结构..如果你们能帮助我，我会非常感激我不知道是否有是 R 中的一种方法或另一个包，甚至可以在不使用正则表达式的情况下解决这个问题，所以感谢大家的帮助！
我想要的输出是：
"2021-12-02 05;47:00 UTC"
"2021-11-07 09:47:00 UTC"
"2021-07-03 12:28:00 UTC"
"2021-09-23 08:53:00 UTC"
"2021-05-07 21:05:00 UTC"
在这种情况下，parsedate 中的 parse_date 有效
library(parsedate)
parse_date(paste(2021, dates))
-输出
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 09:47:00 UTC"
[3] "2021-07-03 12:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
或者如果第二个值应该是 PM，使用 str_remove 删除 space
library(stringr)
parse_date(paste(2021, str_remove_all(dates,
"(?<=[A-Za-z])[. ]+(?=[A-Za-z])")))
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 21:47:00 UTC"
[3] "2021-07-03 00:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
使用 ydm_hm，问题是其中一种 am/pm 格式显示 spaces 而没有 .，这可能无法解析。我们可以通过删除 spaces
来更改格式
library(lubridate)
library(stringr)
ydm_hm(paste(2021, str_remove_all(dates,
"(?<=[A-Za-z])[. ]+(?=[A-Za-z])")))
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 21:47:00 UTC"
[3] "2021-07-03 00:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
既然你提出了正则表达式的问题，我想我可能会尝试一种方法来做到这一点
library(stringr)
# get boolean for pm dates
pm = str_detect(dates,"(?<=\d\d:\d\d\s{1,2})[pP]",)
# convert dates to dates without am/pm
dates = str_extract(dates,"^.*:\d\d")
# add pm back to pm dates and am to am dates
dates[pm] <- paste(dates[pm], "PM")
dates[!pm] <- paste(dates[!pm], "AM")
# now your orignal approach works
ydm_hm(paste(2021,dates))
输出
[1] "2021-12-02 05:47:00 UTC" "2021-11-07 21:47:00 UTC" "2021-07-03 00:28:00 UTC" "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
大家好，我希望每个人都过得愉快，我正在尝试在 R 上的 lubridate 中使用一些 AM/PM 格式，但我似乎无法想出一个合适的解决方案，希望你们能纠正请帮帮我！
我有一个巨大的数据集，其中包含 date_time 格式，格式非常罕见，格式如下：
首先是表示日期的数字，其次是月份的缩写，甚至是月份，完整拼写为 12H 时间格式和字符串“a.m”。或“下午”甚至是“点”之间或缺少“点”的更多空格的组合，例如“a.m”来设置示例请看一下这个向量：
dates<-c("02 dec 05:47 a. m",
"7 November 09:47 p. m.",
"3 jul 12:28 a.m.",
"23 sept 08:53 a m.",
"7 may 09:05 PM")
这些弥补了数据集中超过 95% 的罕见日期时间格式我一直在尝试在 R 上使用 lubridate 我正在尝试使用函数
ydm_hm(paste(2021,dates))
这是因为所有日期都是 2021 年，但我总是得到：
[1] NA NA NA
[4] NA "2021-05-07 21:05:00 UTC"
Warning message:
4 failed to parse.
无法解析的 4 个给我 NAS，唯一一个解析正确的我确实注意到这个有 PM 或 AM 作为大写字母，没有点，但大多数时候我的格式是这样的：
ydm_hm("7 may 09:05 p.m.")
这给了我 NAS...
所以我觉得好像让这个日期成为锻炼的唯一方法是改变结构并使用 REGEX 转换所有“a.m”。只有在分析数据后我才意识到所有“p.m”或“a.m.”组合成“AM”和“PM”。字符串在 12H 时间格式之后的一个或两个空格之后，其长度始终为 5 个字符，因此应该考虑提出 REGEX 模式的内容如下
字符串将以一个或两个数字开始，然后是空格，然后是字母（对于缩写或完整拼写的月份，之后将有空格，然后是 5 个字符（这是 12H 时间格式），然后是字母空格和所有可能的 a.m 和 p.m 格式的点，但我没有运气尝试转换日期的结构..如果你们能帮助我，我会非常感激我不知道是否有是 R 中的一种方法或另一个包，甚至可以在不使用正则表达式的情况下解决这个问题，所以感谢大家的帮助！
我想要的输出是：
"2021-12-02 05;47:00 UTC"
"2021-11-07 09:47:00 UTC"
"2021-07-03 12:28:00 UTC"
"2021-09-23 08:53:00 UTC"
"2021-05-07 21:05:00 UTC"
在这种情况下，parsedate 中的 parse_date 有效
library(parsedate)
parse_date(paste(2021, dates))
-输出
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 09:47:00 UTC"
[3] "2021-07-03 12:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
或者如果第二个值应该是 PM，使用 str_remove 删除 space
library(stringr)
parse_date(paste(2021, str_remove_all(dates,
"(?<=[A-Za-z])[. ]+(?=[A-Za-z])")))
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 21:47:00 UTC"
[3] "2021-07-03 00:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
使用 ydm_hm，问题是其中一种 am/pm 格式显示 spaces 而没有 .，这可能无法解析。我们可以通过删除 spaces
library(lubridate)
library(stringr)
ydm_hm(paste(2021, str_remove_all(dates,
"(?<=[A-Za-z])[. ]+(?=[A-Za-z])")))
[1] "2021-12-02 05:47:00 UTC"
[2] "2021-11-07 21:47:00 UTC"
[3] "2021-07-03 00:28:00 UTC"
[4] "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"
既然你提出了正则表达式的问题，我想我可能会尝试一种方法来做到这一点
library(stringr)
# get boolean for pm dates
pm = str_detect(dates,"(?<=\d\d:\d\d\s{1,2})[pP]",)
# convert dates to dates without am/pm
dates = str_extract(dates,"^.*:\d\d")
# add pm back to pm dates and am to am dates
dates[pm] <- paste(dates[pm], "PM")
dates[!pm] <- paste(dates[!pm], "AM")
# now your orignal approach works
ydm_hm(paste(2021,dates))
输出
[1] "2021-12-02 05:47:00 UTC" "2021-11-07 21:47:00 UTC" "2021-07-03 00:28:00 UTC" "2021-09-23 08:53:00 UTC"
[5] "2021-05-07 21:05:00 UTC"