R 使用函数、case_when 和数据屏蔽进行变异来解析时间戳

Question

我正在尝试使用 R mutate 和 case_when 将一些时间戳（字符向量）解析为日期时间。

虚拟数据：

p_id = c(1,2,3,4,5,6)
ActualStartTime = c("2020-05-21 19:04:36 +01:00", "21/09/2020 14:14", "2020-08-18 10:11:08 +01:00", "12/10/2020 21:25", "09/11/2020 17:02","2020-05-16 11:50:58 +02:00")
ActualEndTime = c("2020-05-21 19:29:42 +01:00", "21/09/2020 14:19", "2020-08-18 10:14:26 +01:00", "12/10/2020 21:29", "09/11/2020 17:06", "2020-05-16 11:56:10 +02:00")
df <- data.frame(p_id,ActualStartTime, ActualEndTime)

df

  p_id            ActualStartTime              ActualEndTime
1    1 2020-05-21 19:04:36 +01:00 2020-05-21 19:29:42 +01:00
2    2           21/09/2020 14:14           21/09/2020 14:19
3    3 2020-08-18 10:11:08 +01:00 2020-08-18 10:14:26 +01:00
4    4           12/10/2020 21:25           12/10/2020 21:29
5    5           09/11/2020 17:02           09/11/2020 17:06
6    6 2020-05-16 11:50:58 +02:00 2020-05-16 11:56:10 +02:00

时间戳有两种不同的格式，因此我创建了一个函数，但没有对其进行矢量化来测试它。如果长度 == 26，那么它会使用一种格式进行解析，如果长度是其他值，它会解析为替代格式。

parse_mydate_novec <- function(time_var) {
  if (nchar(time_var) == 26) { 
    parse_date_time(time_var, orders = "%Y-%m-%d %H:%M:%S %z", tz = "UTC")
  } else {
    parse_date_time(time_var, orders = "%d/%m/%Y %H:%M", tz = "UTC")
  }
}

parse_mydate_novec(df$ActualStartTime[1]) # this works, class is POSIXct
[1] "2020-05-21 18:04:36 UTC"

> parse_mydate_novec(df$ActualStartTime[2]) # this works, class is POSIXct
[1] "2020-09-21 14:14:00 UTC"

到目前为止，一切都很好。然后，我尝试使用数据屏蔽指南对函数进行矢量化 https://dplyr.tidyverse.org/reference /dplyr_data_masking.html，所以我可以将它与 mutate 一起使用，并使用 case_when 而不是 if else：

parse_mydate <- function(time_var) {
 case_when (
   nchar({{time_var}}) == 26 ~ parse_date_time({{time_var}}, orders = "%Y-%m-%d %H:%M:%S %z", tz = "UTC"),
   nchar({{time_var}}) == 16 ~ parse_date_time({{time_var}}, orders = "%d/%m/%Y %H:%M", tz = "UTC"),
   TRUE ~ {{time_var}})
} 

然后我使用 mutate 传递此函数，首先在一列上进行测试它然后使用 mutate(across()):

df_test <- df %>%
  mutate(ActualStartTime = parse_mydate(ActualStartTime))

df_test <- df %>%
  mutate(across(c(ActualStartTime, ActualEndTime), ~parse_mydate(.x)))

但是我收到以下错误：

Error in `mutate_cols()`:
! Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
x must be a `POSIXct/POSIXt` object, not a character vector.
Caused by error in `glubort()`:
! must be a `POSIXct/POSIXt` object, not a character vector.

Warning messages:
1: Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
ℹ  3 failed to parse. 
2: Problem with `mutate()` column `ActualStartTime`.
ℹ `ActualStartTime = parse_um_date(ActualStartTime)`.
ℹ  3 failed to parse. 

这没有意义，因为我已经编写了函数来传递字符向量并返回日期时间对象。

所需的输出是一个数据帧，其中 ActualStartTime 和 ActualEndTime 中的所有对象均采用 POSIXct 格式，即“2020-05-21 18:04:36 UTC”

我查看过： R dplyr 有效地使用 across() 和 mutate() 以及case_when() 和 R - 如何将参数传递给“mutate”中的函数跨越”？ 以及有关解析日期时间的其他几个问题。

不知道是不是我函数的逻辑错了，是case_when的使用，mutate的使用还是别的什么。我已经绕圈子转了好几个小时了。感谢所有帮助！带着感谢。

Answer 1

函数 lubridate::fast_strptime 允许指定更多格式，这些格式将依次应用直到成功。

library(dplyr)
library(lubridate)

df %>%
  mutate(across(matches("Time"), ~fast_strptime(.x,
                                              format = c("%Y-%m-%d %H:%M:%S %z",
                                                         "%d/%m/%Y %H:%M"),
                                              tz = "UTC")))


##>   p_id     ActualStartTime       ActualEndTime
##> 1    1 2020-05-21 18:04:36 2020-05-21 18:29:42
##> 2    2 2020-09-21 14:14:00 2020-09-21 14:19:00
##> 3    3 2020-08-18 09:11:08 2020-08-18 09:14:26
##> 4    4 2020-10-12 21:25:00 2020-10-12 21:29:00
##> 5    5 2020-11-09 17:02:00 2020-11-09 17:06:00
##> 6    6 2020-05-16 09:50:58 2020-05-16 09:56:10