R语言：提取列中最早日期并转为日期格式添加为新列

一、修复原sapply代码，直接得到日期格式结果 #

你当前代码返回时间戳的原因是：min()处理lubridate::parse_date_time生成的POSIXct日期对象时，会自动将其转换为数值型的时间戳（从1970-01-01开始的秒数）。可以通过以下两种方式修复：

方法1：将时间戳转回POSIXct格式 #

在sapply结果外层包裹as.POSIXct()，指定原点和时区：

library(dplyr)
library(lubridate)

data.frame(x = c("2023-1-2\n2034-02-10", "2023-1-2\n2001-10-30")) %>% 
    mutate(earliest_date = as.POSIXct(
        sapply(strsplit(x, "\\n"), 
               function(x) min(parse_date_time(x, orders = c("mdy", "ymd")), na.rm = TRUE)),
        origin = "1970-01-01", tz = "UTC" # 时区可根据需求调整
    ))

方法2：使用purrr::map_dttm保留日期类型 #

推荐用purrr的map_dttm函数，它会直接返回POSIXct类型的向量，避免数值转换：

library(dplyr)
library(lubridate)
library(purrr)

data.frame(x = c("2023-1-2\n2034-02-10", "2023-1-2\n2001-10-30")) %>% 
    mutate(earliest_date = map_dttm(strsplit(x, "\\n"), 
                                    ~ min(parse_date_time(.x, orders = c("mdy", "ymd")), na.rm = TRUE)))

运行后结果会是标准日期格式：

x earliest_date
1 2023-1-2\n2034-02-10    2023-01-02
2 2023-1-2\n2001-10-30    2001-10-30

二、将lapply结果添加为数据框新列 #

lapply返回的是列表类型，每个元素对应一个日期对象，只需用unlist()将其转换为向量，即可直接赋值给数据框的新列：

方式1：基础R赋值 #

library(lubridate)

# 创建数据框
df <- data.frame(x = c("2023-1-2\n2034-02-10", "2023-1-2\n2001-10-30"))

# 用lapply生成日期列表
date_list <- lapply(strsplit(df$x, "\\n"), 
                    function(x) min(parse_date_time(x, orders = c("mdy", "ymd")), na.rm = TRUE))

# 添加为新列
df$earliest_date <- unlist(date_list)

方式2：结合dplyr::mutate #

library(dplyr)
library(lubridate)

df <- data.frame(x = c("2023-1-2\n2034-02-10", "2023-1-2\n2001-10-30")) %>% 
    mutate(earliest_date = unlist(lapply(strsplit(x, "\\n"), 
                                         function(x) min(parse_date_time(x, orders = c("mdy", "ymd")), na.rm = TRUE))))

内容的提问来源于stack exchange，提问作者Jo Lo