在R语言中从HH:MM:SS格式时间数据提取小时列

注意：你给出的示例向量写法a <- c(22:00:03, ...)在R中会报错，正确的时间向量需为字符类型，比如a <- c("22:00:03", "22:00:05", "22:00:07", "22:00:09")。

以下是几种高效提取小时数的方法，适配大规模数据集：

1. 基础R字符串截取（最快） #

直接截取时间字符串前两位并转为整数，无需转换时间对象，效率最高：

a <- c("22:00:03", "22:00:05", "22:00:07", "22:00:09")
hour_col <- as.integer(substr(a, 1, 2))
# 输出：[1] 22 22 22 22

2. lubridate包实现（灵活通用） #

用hms()解析HH:MM:SS格式，再通过hour()提取小时：

library(lubridate)

a <- c("22:00:03", "22:00:05", "22:00:07", "22:00:09")
time_obj <- hms(a)
hour_col <- hour(time_obj)
# 输出：[1] 22 22 22 22

这种方法的优势是，若后续需处理分钟、秒等其他时间维度，可直接复用time_obj。

3. data.table高效处理（超大规模数据集） #

如果数据集达百万级以上，用data.table操作能显著提升速度：

library(data.table)

# 构造数据表
dt <- data.table(time = c("22:00:03", "22:00:05", "22:00:07", "22:00:09"))
# 新增小时列
dt[, hour := as.integer(substr(time, 1, 2))]
# 或者结合lubridate实现
dt[, hour := hour(hms(time))]

分组统计示例 #

提取小时列后，可按小时分组分析，比如用dplyr统计每小时观测数：

library(dplyr)

df <- data.frame(time = a)
df %>% 
  mutate(hour = as.integer(substr(time, 1, 2))) %>% 
  group_by(hour) %>% 
  summarise(obs_count = n())

内容的提问来源于stack exchange，提问作者anzac21