R中Left-join因日期格式失败的问题排查与解决

核心问题排查 #

你遇到的left_join后结果全为NA的情况，主要来自以下几个关键问题：

1. 周度数据结构错误 #

从你提供的dput(head(data_test))可见，data_test的OBS列存在大量重复周度日期（前6行均为39454），但标准周度数据应该是每个周日期仅对应一行数值。这种重复行不仅会打乱匹配逻辑，还会让后续的日度展开失去意义。

2. 日期范围完全不匹配 #

从str()输出看，dates_master的OBS起始于2008-01-07，而data_test的OBS起始于2015-12-21。如果两个数据集的日期范围没有任何重叠，left_join后自然会全为NA。可通过以下代码验证日期交集：

intersect(dates_master$OBS, data_test$OBS)

若输出为空，说明日期完全不匹配，需检查数据来源或转换逻辑。

3. 日期转换的系统差异 #

janitor::excel_numeric_to_date()默认使用1900年作为Excel日期起始，但部分地区的Excel会采用1904年起始系统。如果你的CSV文件是用1904系统保存的，转换后的日期会完全错误，直接导致匹配失败。

修正后的完整代码 #

library(dplyr)
library(janitor)

# 读取周度数据并修正结构
data_test <- read.csv("C:/Users/me/Documents/monthly_and_daily_data/test.csv")
# 转换日期（根据实际Excel系统选择1900或1904）
data_test$OBS <- janitor::excel_numeric_to_date(data_test$OBS, date_system = "1900")
# 清理重复行：每个周日期仅保留一行数据
data_test_clean <- data_test %>% 
  distinct(OBS, .keep_all = TRUE)

# 读取日期映射表并转换日期
dates_master <- read.csv("C:/Users/me/Documents/monthly_and_daily_data/dates_master.csv")
dates_master$OBS <- janitor::excel_numeric_to_date(dates_master$OBS, date_system = "1900")
dates_master$DailyDate <- janitor::excel_numeric_to_date(dates_master$DailyDate, date_system = "1900")

# 验证日期交集（可选，用于排查）
cat("两个数据集的重叠日期：\n")
print(intersect(dates_master$OBS, data_test_clean$OBS))

# 执行合并并调整列名
data_test_daily <- dates_master %>%
  left_join(data_test_clean, by = "OBS") %>%
  # 调整列名，区分原周度日期和日度日期
  rename(OriginalWeekDate = OBS, OBS = DailyDate) %>%
  select(OBS, OriginalWeekDate, column1, column2)

额外提示 #

• 如果intersect输出为空，可核对CSV中的原始数字日期（如39454），用as.Date(39454, origin = "1899-12-30")手动计算Excel 1900系统对应的日期，确认转换是否正确。
• 若原周度数据是周内每日数据的集合，需先计算周度聚合值（如均值），可将distinct替换为：

  data_test_clean <- data_test %>%
    group_by(OBS) %>%
    summarise(column1 = mean(column1), column2 = mean(column2))
  

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