R语言多列日期区间处理：拆分转换与时间差计算技术问询

针对你提出的两个问题，我来一步步帮你解决，同时给出完整的可运行代码：

问题1：将处理逻辑应用到数据框所有列 #

你之前的单个列处理逻辑是可行的，但要扩展到所有列，我们可以结合dplyr的批量处理能力，先把每一列拆分成起始/结束日期对，再统一完成日期转换和时长计算。

问题2：替换"actualidad"为当前日期并转换日期格式 #

这里需要注意，Sys.Date()是日期类型，我们需要先把"actualidad"替换成当前日期的字符串格式，再用lubridate解析——它支持西班牙语月份缩写，只需指定对应locale即可。

完整解决方案代码 #

首先加载依赖包：

library(dplyr)
library(stringr)
library(lubridate)

定义测试用的数据框（和你提供的结构一致）：

d <- structure(list(
  jobPosition1 = c("ago. de 2020 ? actualidad", "abr. de 2005 ? ago. de 2006", "", "2006 ? 2009"), 
  jobPosition10 = c("dic. de 2002 ? ago. de 2003", "ene. de 2014 ? ago. de 2018", "", "abr. de 2016 ? dic. de 2018" ), 
  jobPosition2 = c("ene. de 2011 ? oct. de 2012", "jul. de 2000 ? sept. de 2002", "", "abr. de 2016 ? dic. de 2018"), 
  jobPosition11 = c("ene. de 2016 ? ago. de 2017", "oct. de 2002 ? abr. de 2005", "", "ene. de 2002 ? may. de 2013" ), 
  jobPosition3 = c("feb. de 2005 ? oct. de 2006", "sept. de 2006 ? ene. de 2014", "", "ene. de 2008 ? dic. de 2012"), 
  jobPosition12 = c("jun. de 2004 ? ene. de 2005", "sept. de 2018 ? actualidad", "", "ene. de 2019 ? ago. de 2020" )
), class = "data.frame", row.names = c(NA, -4L))

核心处理逻辑：

# 定义单个列的时长计算函数
calculate_duration <- function(col) {
  # 拆分日期对，清理空格
  split_dates <- str_split_fixed(col, "\\?", n = 2) %>%
    as.data.frame() %>%
    mutate(across(everything(), str_trim)) %>%
    rename(start_date = V1, end_date = V2)
  
  # 替换actualidad为当前日期，清理冗余字符
  cleaned_dates <- split_dates %>%
    mutate(
      across(c(start_date, end_date), ~str_replace(., "actualidad", format(Sys.Date(), "%Y-%m-%d"))),
      across(c(start_date, end_date), ~str_remove_all(., "\\.|\\sde\\s"))
    )
  
  # 解析日期：兼容仅年份/完整西语日期格式
  parsed_dates <- cleaned_dates %>%
    mutate(
      start_date = case_when(
        str_detect(start_date, "^\\d{4}$") ~ ymd(paste0(start_date, "-01-01")),
        start_date != "" ~ parse_date_time(start_date, orders = c("my", "ym"), locale = "es_ES"),
        TRUE ~ NA_Date_
      ),
      end_date = case_when(
        str_detect(end_date, "^\\d{4}$") ~ ymd(paste0(end_date, "-12-31")),
        end_date == format(Sys.Date(), "%Y-%m-%d") ~ Sys.Date(),
        end_date != "" ~ parse_date_time(end_date, orders = c("my", "ym"), locale = "es_ES"),
        TRUE ~ NA_Date_
      )
    )
  
  # 计算月份差，空值返回NA
  parsed_dates %>%
    mutate(duration_months = if_else(is.na(start_date) | is.na(end_date), NA_real_, 
                                     interval(start_date, end_date) %/% months(1))) %>%
    pull(duration_months)
}

# 批量应用到所有列，生成结果数据框
duration_results <- d %>%
  mutate(across(everything(), calculate_duration, .names = "{col}_duration"))

代码关键说明 #

1. 批量处理所有列：通过across函数将自定义的calculate_duration逻辑应用到每一列，自动生成带_duration后缀的结果列。
2. 处理"actualidad"：先将其替换为当前日期的YYYY-MM-DD格式字符串，后续转换时直接识别为系统当前日期；locale = "es_ES"确保能正确解析西班牙语月份缩写（如ago.对应8月）。
3. 兼容多种日期格式：针对仅年份的输入（如2006 ? 2009），默认起始为当年1月1日，结束为当年12月31日；空字符串会返回NA。
4. 精确计算时长：用interval和%/% months(1)得到精确的月份差值，避免日期计算的精度误差。

结果示例 #

运行后duration_results会包含原数据列+对应时长列，比如：

• jobPosition1_duration第一行是2020年8月到当前日期的月份数
• jobPosition10_duration第一行是2002年12月到2003年8月的9个月

内容的提问来源于stack exchange，提问作者user8959427