lubridate

    0热度

    3回答

    如何将R中的日期转换为没有破折号或斜线的字符串或没有冒号的字母和时间。例如,我可以在R中获得2017-12-07,但我需要201712071520在Weather API调用中使用。我怎样才能做到这一点?有关参考请参阅下面的示例调用startDateTime和endDateTime。我想将我的日期转换为20171207格式,并在没有冒号的情况下将其附加到固定时间(1520)。感谢您的帮助! 我被告

    1热度

    3回答

    我有一些数据,看起来像这样: dates <- structure(c(1L, 2L, 4L, 3L), .Label = c("Sat, 18 Nov 2017 00:00:00 GMT", "Thu, 16 Nov 2017 00:00:00 GMT", "Tue, 14 Nov 2017 00:00:00 GMT", "Wed, 1

    1热度

    1回答

    下面的数据有两个人的观察日期。 dat <- structure(list(GenIndID = c("BHS_034", "BHS_034", "BHS_068", "BHS_068", "BHS_068", "BHS_068", "BHS_068", "BHS_068", "BHS_068", "BHS_068", "BHS_068"), IndID = c("BHS_034_A", "B

    1热度

    1回答

    我有两个不同行数和列数的数据框:每个数据框都有一个日期间隔。 df有一个额外的列表示某种属性。我的目标是在某些条件下从df(带有属性)中将信息提取到df2。程序应该如下: 对于df2的每个日期区间,检查df中是否有与df2的区间重叠的区间。如果是,则在df2中创建一个表示与df的重叠间隔匹配的属性的列。可以有多个属性与特定的df2区间相匹配。 我创造了我的数据下面的例子: library(lubr

    -1热度

    1回答

    的数据具有包含多个观测两种通用基团,其中一些是在DLA字段NA。 DLA日期与组内所有记录的日期相同。如何扩大DLA值,以便在相应的日期填入NA值。我在dplyr之内工作,我怀疑有一个我找不到的解决方案。这些数据是具有约5k行和约500个个体的较大数据集的一小部分。非常感谢。 dat <- structure(list(GenIndID = structure(c(1L, 1L, 1L, 1L,

    0热度

    1回答

    固定日期我有一个数据集的最近的日期,df如下: df <- read.table(text = " ID INDEX_DATE DATE VALUE 1 14/06/2017 16/02/2015 7 1 14/06/2017 16/02/2015 6.5 1 14/06/2017 21/07/2015 7 1 14/

    -4热度

    1回答

    我正在使用lubridate来解析POSIXlt的时间戳。 user time ____ ____ 1 2017-09-01 00:01:01 1 2017-09-01 00:01:20 1 2017-09-01 00:03:01 library(lubridate) data[, time:=parse_date_time2(time,orders="YmdHMS",tz="N

    -2热度

    1回答

    我需要确定有多少人在排队等待呼叫到桌面(想想服务:银行分行,邮局等)。我有关于以下内容的数据:每个人的日期(年,月,日),到达时间(年,月,日,小时,分钟,秒)和桌面呼叫时间(年,月,日,小时,分钟,第二)。 我的想法是:由于dplyr和lubridate派生一个子集。我需要一定的时间(例如特定日期的7.43),并考虑到有多少人考虑到客户,并且没有打电话到桌面。我的代码是: subset <- d

    1热度

    1回答

    我目前正在处理以下数据结构: 属性DF: ID Begin_A End_A Interval Value 1 5 1990-03-01 2017-03-10 1990-03-01 UTC--2017-03-10 UTC Cat1 2 10 1993-12-01 2017-12-02 1993-12-01 UTC--2017-12-02 UTC Cat2 3 5 1991-03

    0热度

    1回答

    我尝试将以下字符向量转换为日期类。 > library(lubridate) > unemployment_rate$month [1] "2017-1-1" "2017-2-1" "2017-3-1" "2017-4-1" "2017-5-1" "2017-6-1" "2017-7-1" "2017-8-1" "2017-9-1" "2017-10-1" "2017-11-1" "2017