在R中将格式不统一的日期列转换为y-m-d格式

问题描述 #

我正在处理一个包含id和Date变量的dataframe，结构如下：

structure(list(id = c("1000", "1000", "1000", "1000", "1000", 
"1000", "1000", "1000", "1000", "1000", "1000", "1000", "1000", 
"1000", "1000", "1000", "1000", "1000"), Date = c("2022-01-18", 
"2022-01-18", "2022-01-18", "1/20/2022", "1/20/2022", "2022-02-25", 
"2022-03-04", "2022-03-12", "2022-03-15", "2022-03-21", "2022-03-21", 
"2022-03-21", "2022-03-21", "2022-03-28", "3/30/2022", "3/30/2022", 
"3/30/2022", "2022-04-07")), row.names = c(NA, -18L), class = c("tidytable", 
"data.table", "data.frame"))

该数据集的Date列混合了y-m-d和m/d/y两种格式，导致排序异常，需要将其统一转换为R标准的y-m-d格式。

解决方案 #

方法1：使用lubridate包（推荐） #

lubridate包提供了便捷的日期解析函数，能自动识别多种格式：

# 安装并加载包
install.packages("lubridate")
library(lubridate)

# 自动解析日期并转为Date类
df$Date <- parse_date_time(df$Date, orders = c("ymd", "mdy"))
# 若需转为y-m-d格式的字符串，执行以下步骤
df$Date <- format(df$Date, "%Y-%m-%d")

更简洁的anydate函数可自动识别绝大多数常见日期格式：

df$Date <- anydate(df$Date)
df$Date <- format(df$Date, "%Y-%m-%d")

方法2：基础R实现（无需额外包） #

通过正则判断格式，分别转换后统一输出：

# 标记m/d/y格式的行（包含"/"）
is_mdy <- grepl("/", df$Date)
# 分别转换两种格式为Date类
df$Date[is_mdy] <- as.Date(df$Date[is_mdy], format = "%m/%d/%Y")
df$Date[!is_mdy] <- as.Date(df$Date[!is_mdy], format = "%Y-%m-%d")
# 统一转为y-m-d字符串
df$Date <- format(df$Date, "%Y-%m-%d")

方法3：针对tidytable/data.table的高效处理 #

利用data.table的语法快速批量处理：

library(data.table)
setDT(df)

# 自动尝试多种格式转换为Date类
df[, Date := as.Date(Date, tryFormats = c("%Y-%m-%d", "%m/%d/%Y"))]
# 可选：转为y-m-d格式字符串
df[, Date := format(Date, "%Y-%m-%d")]

内容的提问来源于stack exchange，提问作者hachiko