R语言中chr转date后日期全部相同的问题排查与解决建议

我有如下格式的数据：

date       tot     rat
1  2022-08-04       637090 0.128866
2  2022-08-05      1438100 0.117801
3  2022-08-06      1270188 0.133178
4  2022-08-07      2142400 0.121704
5  2022-09-01      2141110 0.111704

使用R Studio 4.1.1版本，其中date列为chr类型，想要将其转换为date类型，尝试了以下脚本：

library(lubridate)
date_prep <- data %>% 
  mutate(date = ymd(date) %>% as_date()) %>% 
  select(date, tot, rat)

但转换后前4条数据的日期均变为2022-08-01，仅最后一条日期正确：

date        tot      rat
1  2022-08-01       637090 0.128866
2  2022-08-01      1438100 0.117801
3  2022-08-01      1270188 0.133178
4  2022-08-01      2142400 0.121704
5  2022-09-01      2141110 0.111704

原因分析 #

出现这个问题的核心原因是**date列的字符值存在隐藏的前导/尾随空格**：

• 前4条数据的date字符串表面是2022-08-04这类格式，但实际带有多余空格，导致lubridate::ymd()解析时仅识别到2022-08部分，自动补全日为01；
• 最后一条2022-09-01的空格位置不影响解析或无空格，因此转换正确。
  另外，ymd()本身返回的就是Date类型，额外调用as_date()属于冗余操作，不影响结果但无必要。

解决方法 #

方法1：先清理空格再转换 #

用trimws()去除字符串的前导、尾随空格，再调用ymd()转换：

library(lubridate)
library(dplyr)

date_prep <- data %>% 
  mutate(date = trimws(date) %>% ymd()) %>% 
  select(date, tot, rat)

方法2：使用基础R函数指定格式转换 #

如果确认日期固定为YYYY-MM-DD格式，也可以用基础R的as.Date()配合格式参数，同时清理空格：

date_prep <- data %>% 
  mutate(date = as.Date(trimws(date), format = "%Y-%m-%d")) %>% 
  select(date, tot, rat)

方法3：从数据源阶段避免问题 #

如果是数据导入时产生的空格，可在导入时直接处理，比如用read.table()或read.csv()时设置strip.white = TRUE：

data <- read.table("your_data_file.txt", strip.white = TRUE, header = TRUE)

内容的提问来源于stack exchange，提问作者Ririn