塵世餘韻

在R之中，我們有時會需要時間的轉換。常常抓到網路資料後，得到的timestamp欄位可能是char或是num的格式，這時候就可以採用內建的as.date或取用lubridate這個package。但在了解怎麼用後面的函數從字串中轉成時間前，得先知道什麼是標準的時間格式，才知道怎麼得到想要的結果。 標準時間格式 class為「POSIXlt」和「POSIXct」 ，包含資料的格式為" %Y-%m-%d %H:%M:%S "。 "年-月-日 時:分:秒" 在日期間以「-」區隔，時間以「:」區隔，兩者以一個空白分隔。 %m 小寫是月(month)， %M 大寫是分(Minute) → 時間的格式都是大寫。 我們常用 Sys.time()或now() 來取得執行當下的時間點，可以得到標準格式 "2018-11-09 11:35:06 CST" 。 以我們台灣來講，CST = China Standard Time，也就是常聽到的 中原標準時間 ，是我們這個經度所位在的時區。相對於UTC地球標準時間要加上八小時。即為UTC+8。 UTC = Coordinated Universal Time是像秒一樣的公定標準，格林威治標準時間GMT = Greenwich Mean Time所在時區與該時間相同。 now()之中可以設定時區 → now(tzone = "UTC") 會得到比CST少8小時的結果。 而日期格式較為簡單， class為「Date」 ，取得當天日期則用Sys.Date()。 轉換為日期 首先先看日期的部分，實作上，常碰到的是三種狀況： 長相已經是標準日期（Ex: 2018-11-09），但型別為character 長相是數字（Ex: 17844），型別為numeric 各式長相的時間（Ex: "November 9, 2018"、"09/11/2018"），型別為character 面對這些該如何怎麼解決呢？ 解決方法 ：as.Date搭配format設定 [1] as.Date("2018-11-09") 　　→"2018/11/09"也...

在抓取資料或清理資料、Mutate整理Dataframe時，我們常常會需要擷取字串，舉凡辨識Email、檔案格式或副檔名(File Extension)、用字分析...等等，抑或最簡單的只想看出vector中含有某個詞彙的比率，各種情境都很常出現擷取或比對字串的需求。 擷取字串常用函數 而在這過程之中，勢必需要了解有哪些函數與方法來幫助解決問題。來看看常用的函數包含在哪些Package？ base 內建之基礎套件 grep：設定要找的詞彙，列舉資料中存在該詞彙的位置(index)。 grep("pattern", vector) grepl：與grep一樣，但l代表logical，列舉之結果為T/F，有該pattern者為TRUE。 gsub：可以將pattern中( )所鎖定的subpattern再進一步抓出來，結果為( )中內容。 gsub("(sub)pattern", "\\1", vector) gsub("pattern", sentence, "substitution")，把字串中所有含pattern者依substitution做取代。gsub = global substitution strsplit：String Split，顧名思義將字串做分割（依據給的pattern）。 strsplit(sentence, "pattern") stringr 需另外載入之套件 str_detect：偵測到vector之字串中含有pattern者為TRUE str_detect(vector, "pattern") str_sub：自字串中，擷取設定之始末位置(index)之間的字串。subset of the string str_sub(string, start_index, end_index)，末位置接受負值，代表倒數第幾個。 grepl vs. str_detect？ 　　基本上，我認為grepl與str_detect沒有差異。個人在處理時較喜歡利用str_detect的方法判斷dataframe欄位是否有想要的pattern，直...