R语言parse_date_time解析mdy格式日期不符合预期求助

问题描述 #

尝试使用lubridate包的parse_date_time函数，指定orders = c("mdy", "dmy")解析数据框的date2列，期望优先按**月/日/年（mdy）格式解析，当日值大于12时再按日/月/年（dmy）**格式解析。但实际解析结果不符合预期：

• "3/2/2012"被解析为2012-02-03（预期为2012-03-02）
• "2/8/2012"被解析为2012-08-02（预期为2012-02-08）

相关代码及数据：

library(readxl)
library(lubridate)

data <- structure(list(date1 = c("5/13/2013", "5/4/2013", "5/15/2013", 
                         "4/17/2013", "12/20/2013", "26/02/2013", "4/17/2013"), 
               date2 = c("22/9/2012", "26/2/2012", "29/11/2012", 
                         "3/2/2012", "3/20/2012", "29/11/2012", "2/8/2012"), 
               date2b = c("22-Sep-12", "26-Feb-12", "29-Nov-12", "3-Feb-12", 
                          "20-Mar-12", "15-Aug-03", "12/17/2010"), 
               date3 = c("40958", "41271", "40942", "40954", 
                         "40944", "22/9/2012", "14.05.2013"), 
               date4 = c("2012/28/08", "2012/15/4", "2/3/2012", "2/15/2012",
                         "2012/14/11", "2012/05/06", "14.05.2012"), 
               date5 = c("2010-25-11", "2010-24-02", "2010-28-3", "6/19/2010", 
                         "5/11/2010", "26/02/2013","18/11/2010")), 
          class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA,-7L))

parse_date_time(data$date2, orders = c("mdy", "dmy"))

实际输出：

[1] "2012-09-22 UTC" "2012-02-26 UTC" "2012-11-29 UTC" "2012-02-03 UTC" "2012-03-20 UTC"
[6] "2012-11-29 UTC" "2012-08-02 UTC"

原因分析 #

parse_date_time的默认行为不是严格按照orders参数的顺序尝试解析，而是通过内置的select_formats函数统计每个格式能解析的日期数量，优先选择能解析最多行的格式。在你的date2列中，dmy格式能解析更多行（比如22/9/2012、26/2/2012这类日值大于12的日期只能用dmy解析），因此lubridate会用dmy解析所有能匹配该格式的日期，包括那些同时符合mdy格式的字符串（如3/2/2012），导致结果不符合预期。

解决方案 #

修改select_formats参数，让函数严格按照orders的顺序优先尝试第一个格式，解析失败的再尝试下一个格式。可以用select_formats = function(x) first(x)来实现：

parse_date_time(data$date2, orders = c("mdy", "dmy"), select_formats = function(x) first(x))

输出结果：

[1] "2012-09-22 UTC" "2012-02-26 UTC" "2012-11-29 UTC" "2012-03-02 UTC" "2012-03-20 UTC"
[6] "2012-11-29 UTC" "2012-02-08 UTC"

该结果符合预期：

• 3/2/2012被解析为2012-03-02（mdy格式）
• 2/8/2012被解析为2012-02-08（mdy格式）
• 日值大于12的日期（如22/9/2012）自动用dmy解析

内容的提问来源于stack exchange，提问作者Juergen Buesching