Nano Hash - криптовалюты, майнинг, программирование

Какой самый быстрый способ найти разницу во времени

Какой самый быстрый способ в R найти разницу во времени: разница между строками 1 и 2, 2 и 3, 3 и 4 и так далее. Или промежуток времени от 1 до 2, от 2 до 3,...

В конце концов, я направляюсь к функции, которая показывает все различия/тимпаны, например. > 7000 мс

ЧЧ:ММ:СС:MIS* * Миллисекунды 18:41:24.244 18:41:29.290 18:41:34.259 18:41:55.040 18:42:15.556 18:42:21.587 18:42:25.509 18:42:31.009 18:42:39.072 18:42:59.025 18:43:03.134 18:43:06.712 18:43:47.244 18:43:53.353 18:43:59.181 18:44:14.744 18:44:22.572 18:44:40.040 18:44:44.900 18:44:48.884 18:44:53.744 18:45:01.134 18:45:56.884 18:46:01.384 18:46:05.915 18:46:10.025 18:46:13.837 18:46:18.275 18:46:28.931 18:46:41.259 18:46:44.619 18:46:50.619

r timespan diff
02.11.2014

Ответы:


1

Непонятно, в каком формате ваши данные для начала. Я импортировал его как вектор символов:

head(times)
# [1] "18:41:24.244" "18:41:29.290" "18:41:34.259" "18:41:55.040" ...

Затем, поскольку вам нужны различия, мы можем просто добавить произвольную дату и преобразовать ее в POSIXct.

times <- as.POSIXct(paste("2014-01-01",times),format="%Y-%m-%d %H:%M:%OS")
diff(times)
# Time differences in secs
# [1]  5.046  4.969 20.781 20.516  6.031  3.922  5.500  8.063 19.953  4.109 ...
03.11.2014

2

Начиная с вектора символов x

head(x)
# [1] "18:41:24.244" "18:41:29.290" "18:41:34.259" "18:41:55.040"
# [5] "18:42:15.556" "18:42:21.587"

Вы можете использовать strptime с diff

st <- strptime(x, "%H:%M:%OS")
st[diff(st) > 7]
#  [1] "2014-11-02 18:41:34.259 PST" "2014-11-02 18:41:55.040 PST"
#  [3] "2014-11-02 18:42:31.009 PST" "2014-11-02 18:42:39.072 PST"
#  [5] "2014-11-02 18:43:06.712 PST" "2014-11-02 18:43:59.181 PST"
#  [7] "2014-11-02 18:44:14.744 PST" "2014-11-02 18:44:22.572 PST"
#  [9] "2014-11-02 18:44:53.744 PST" "2014-11-02 18:45:01.134 PST"
# [11] "2014-11-02 18:46:18.275 PST" "2014-11-02 18:46:28.931 PST"
03.11.2014
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..