Преобразование целого числа во время ЧЧ:ММ в R (например: 50-->00:50)

Существуют различные способы преобразования целого числа во время, но ни один из них не может изменить мой ввод в правильный формат времени.

Например, целочисленные данные с некоторыми NA:

data <- c(NA, 50, 1123, 2211, 645)

Я хочу вернуть следующее: NA, 00:50, 11:23, 22:11, 06:45.

Я пробовал следующее:

format(strptime(data, format="%H%M"), format = "%H:%M")

что дало мне NA NA 11:23 22:11 NA

а также

sub("(\\d+)(\\d{2})", "\\1:\\2", data)
sub("(\\d+)(.{2})", "\\1:\\2", data)

что дало мне NA 50 11:23 22:11 6:45

Есть ли способ преобразовать 50 в 00:50?

19.01.2019

Что вы ожидаете от 20? 20:00? 00:20? 20.01.2019
20 будет 00:20. Ответ ниже работает! 20.01.2019

Ответы:

Будет работать следующее:

data <- c(NA, 50, 1123, 2211, 645)

format(strptime(formatC(data, width = 4, format = "d", flag = "0"), format="%H%M"), format = "%H:%M")
# [1] NA      "00:50" "11:23" "22:11" "06:45"

Предполагается, что вы всегда хотите прокладывать влево.

19.01.2019

Новые материалы

Как создать диаграмму градиентной кисти с помощью D3.js

Резюме: Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..

Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…

Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..

Лицензии с открытым исходным кодом: руководство для разработчиков и создателей

В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning