CSV文件HH:MM:SS格式时长列最大值获取及报错解决

我有一个包含400万行数据的CSV文件，其中ride_length列存储的是HH:MM:SS格式的时长数据。我需要获取该列的最大值，但尝试以下命令后均返回NA并触发警告信息，请问应使用什么命令才能得到HH:MM:SS格式的最大值？

max(hms(times(cyc2022$ride_length)))
[1] NA
Warning messages:
1: In unpaste(times, sep = fmt$sep, fnames = fmt$periods, nfields = 3) :
  62 entries set to NA due to wrong number of fields
2: In convert.times(times., fmt) :
  157 time-of-day entries out of range set to NA
3: In .parse_hms(..., order = "HMS", quiet = quiet) :
  Some strings failed to parse, or all strings are NAs

max(times(cyc2022$ride_length))
Time in days:
[1] NA
Warning messages:
1: In unpaste(times, sep = fmt$sep, fnames = fmt$periods, nfields = 3) :
  62 entries set to NA due to wrong number of fields
2: In convert.times(times., fmt) :
  157 time-of-day entries out of range set to NA

max(hms(as.numeric(cyc2022$ride_length)))
[1] NA
Warning message:
In .parse_hms(..., order = "HMS", quiet = quiet) :
  Some strings failed to parse, or all strings are NAs

从警告信息来看，核心问题是部分ride_length数据格式不规范：62条数据字段数不符合HH:MM:SS的三段式结构，157条数据超出了常规时段范围（比如小时数超过23，而times()函数仅支持一天内的时间）。需先清洗数据，再正确转换时长类型计算最大值。

步骤1：用lubridate包解析时长（推荐） #

lubridate的hms()函数支持处理超过24小时的时长，先加载包并解析：

library(lubridate)

# 将ride_length转换为hms类型，保留解析失败的记录
cyc2022$ride_length_hms <- hms(cyc2022$ride_length)

步骤2：处理无效数据 #

先查看解析失败的异常数据，确认是否需要修正或丢弃：

# 筛选解析失败的行
invalid_rows <- cyc2022[is.na(cyc2022$ride_length_hms), ]
# 查看异常格式的时长值
print(invalid_rows$ride_length)

如果确认无效数据可以丢弃，直接过滤：

cyc2022_clean <- cyc2022[!is.na(cyc2022$ride_length_hms), ]

步骤3：计算最大值并转回HH:MM:SS格式 #

# 计算最大时长
max_hms <- max(cyc2022_clean$ride_length_hms, na.rm = TRUE)
# 转换为HH:MM:SS格式字符串
max_hhmmss <- format(max_hms, format = "%H:%M:%S")
print(max_hhmmss)

替代方案：手动转换为秒数计算 #

如果不想依赖lubridate，可以手动拆分字符串转成秒数计算，再转回HH:MM:SS：

# 拆分时长字符串为小时、分钟、秒三部分
time_parts <- strsplit(cyc2022$ride_length, ":")
# 筛选格式正确的记录（必须是三段）
valid_indices <- sapply(time_parts, function(x) length(x) == 3)
cyc2022_clean <- cyc2022[valid_indices, ]

# 转换为总秒数
cyc2022_clean$total_sec <- sapply(strsplit(cyc2022_clean$ride_length, ":"), 
                                  function(x) as.numeric(x[1])*3600 + as.numeric(x[2])*60 + as.numeric(x[3]))

# 计算最大秒数并转回HH:MM:SS格式
max_sec <- max(cyc2022_clean$total_sec, na.rm = TRUE)
max_hhmmss <- sprintf("%02d:%02d:%02d", max_sec %/% 3600, (max_sec %% 3600) %/% 60, max_sec %% 60)
print(max_hhmmss)

内容的提问来源于stack exchange，提问作者Moz