R语言readr包读取不同格式时间列的问题求助

我太懂你遇到的这个坑了——read_csv（来自readr包）的自动类型推断在碰到混合格式的时间列时，确实会搞出这种让人头疼的问题。咱们一步步来搞定它：

第一步：确保读取到原始的字符格式 #

首先，得让read_csv完全保留时间列的原始字符串，别让它瞎自动转换。你之前用col_character()的思路是对的，但可能漏了个参数防止意外截断，试试这个：

library(readr)
# 强制按字符读取，关闭自动修剪空格避免误处理
df <- read_csv("data.csv", col_types = cols(time = col_character()), trim_ws = FALSE)

如果还是出现长格式被转成短格式的情况，换用base R的read.csv试试——它默认会把字符串原封不动读进来：

df <- read.csv("data.csv", stringsAsFactors = FALSE)

第二步：统一时间格式 #

拿到原始字符后，咱们手动把两种格式统一成你需要的样子：

选项1：统一为mm:ss格式

直接去掉长格式末尾的:00就行：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(time = str_remove(time, ":00$"))

选项2：转换为秒数（方便后续计算）

如果需要做时间相关的统计，转成秒数更实用：

df <- df %>%
  mutate(
    time_seconds = sapply(strsplit(time, ":"), function(x) {
      x <- as.integer(x)
      # 不管是2段还是3段，计算总秒数（3段的话最后一位是0，不影响结果）
      sum(x * c(60, 1, 0)[1:length(x)])
    })
  )

选项3：转为标准时间类型（支持超长分钟数）

如果需要保留时间格式的可读性，用hms包的类型，它能处理像76:58这种超过60分钟的情况：

library(hms)

df <- df %>%
  mutate(
    # 先统一成mm:ss，再补上前缀00:转成hms类型
    time_hms = parse_hms(paste0("00:", str_remove(time, ":00$")))
  )

为什么之前会出问题？ #

默认情况下read_csv会尝试推断列类型：如果它看到部分值是mm:ss:00，会把列推断为time类型（对应hms格式），但mm:ss格式不符合这个类型的解析规则，所以被标记为NA。如果你之前误把col_character()写成了col_time()，那长格式的:00会被自动隐藏（因为hms类型默认不显示前导的0小时和末尾的0秒），看起来就像被转成了短格式——这应该是你碰到的情况~

内容的提问来源于stack exchange，提问作者jakes