如何快速将多格式日期向量统一转换为yyyy-mm-dd格式？

问题背景 #

我有一个包含数百万条记录的日期向量，其中存在多种不一致的日期格式，示例如下：

dates = c("2018-11-06", "11/6/2018", "11-6-2018")

需要将其统一转换为2018-11-06（YYYY-MM-DD）格式。此前尝试的方案要么执行速度极慢，要么结果仅部分正确：

anytime::anydate(dates)
as.Date(lubridate::parse_date_time(dates, '%m-%d-%Y')) # 结果仅部分正确

高效准确的解决方案 #

经过性能基准测试，以下两个方案在速度和准确性上表现最优：

方案1：Wimpel（速度最快） #

通过字符串替换统一分隔符，调整日期格式后调用fasttime::fastDate处理，性能最优：

dates_1 = gsub("/", "-", dates)
dates_2 = ifelse(grepl("^[0-9]{1,2}.[0-9]{1,2}.[0-9]{4}$", dates_1),
                 gsub("^([0-9]{1,2}).([0-9]{1,2}).([0-9]{4})$", "\\3-\\1-\\2", dates_1), 
                 dates_1)
fasttime::fastDate(dates_2)

方案2：user2974951_2（易理解且速度较快） #

使用fast_strptime直接匹配多种日期格式，再截取日期部分，逻辑清晰且性能优异：

substr(fast_strptime(dates,c("%Y-%m-%d","%d/%m/%Y","%d-%m-%Y")), 1, 10)

性能基准测试 #

使用microbenchmark进行10次重复测试，结果如下：

测试代码 #

microbenchmark::microbenchmark(
  user2974951_1 = substr(parse_date_time(dates, c("%Y-%m-%d","%d/%m/%Y","%d/%m/%Y")), 1, 10),
  user2974951_2 = substr(fast_strptime(dates,c("%Y-%m-%d","%d/%m/%Y","%d-%m-%Y")), 1, 10),
  Wimpel = {
    dates_1 = gsub("/", "-", dates)
    dates_2 = ifelse(grepl("^[0-9]{1,2}.[0-9]{1,2}.[0-9]{4}$", dates_1),
                     gsub("^([0-9]{1,2}).([0-9]{1,2}).([0-9]{4})$", "\\3-\\1-\\2", dates_1), 
                     dates_1)
    fasttime::fastDate(dates_2)
  },
  
  TarJae = substr(parse_date_time(dates, orders=c("ymd", "mdy")), 1, 10),
  times = 10)

测试结果 #

Unit: microseconds
          expr      min       lq      mean    median       uq       max neval cld
 user2974951_1 7070.939 7147.098 7385.8261 7238.3540 7520.453  8193.161    10   b
 user2974951_2  319.894  355.736  404.0914  372.4270  415.670   707.338    10  a 
        Wimpel  112.448  130.324  148.4439  152.1875  159.463   190.922    10  a 
        TarJae 6123.001 6140.183 6959.6301 6277.1425 6838.099 12173.134    10   b

问题保留说明 #

请勿关闭此问题，现有相关方案仅适用于日期格式一致的场景，而本问题针对的是多不一致日期格式的批量处理需求，具有独特性。

内容的提问来源于stack exchange，提问作者Saurabh