R语言筛选数据框两日期列错误条目及计算日期差方法

场景说明 #

现有患者就诊数据框，包含入院日期、出院日期两个日期字段，需识别出院日期早于入院日期的逻辑错误条目，示例数据中编号为2、6的患者为错误记录。
示例数据表结构：

从提供的dput输出可见，当前两个日期列均为factor类型，存储格式为DD/MM/YYYY的字符串，无法直接做日期大小比较，需先做格式转换。 #

实现步骤 #

1. 转换日期格式 #

使用基础R的as.Date()函数将因子类型的日期列转为标准日期类型，注意指定匹配的日期格式字符串：

# 转换入院、出院日期列为标准Date格式
patient$date_admit <- as.Date(patient$date_admit, format = "%d/%m/%Y")
patient$date_discharge <- as.Date(patient$date_discharge, format = "%d/%m/%Y")

格式参数说明：%d匹配两位日期、%m匹配两位月份、%Y匹配四位年份，和数据中日/月/年的存储格式一致；如果你的数据实际为月/日/年格式，将format参数改为"%m/%d/%Y"即可。

转换完成后可运行head(patient)确认，日期列正常显示为YYYY-MM-DD格式即转换成功。

2. 筛选逻辑错误条目 #

直接对两个日期列做大小比较，提取出院日期早于入院日期的行即可：

# 基础R实现
error_records <- patient[patient$date_discharge < patient$date_admit, ]

# dplyr实现（需提前安装加载dplyr包）
library(dplyr)
error_records <- patient %>%
  filter(date_discharge < date_admit)

运行后error_records中存储的即为所有逻辑错误的条目，可直接导出核对修正。

3. 计算两列日期差值（住院时长） #

标准日期类型可直接做算术运算，差值单位为天，可转为数值类型存储：

# 计算住院天数
patient$stay_days <- as.numeric(patient$date_discharge - patient$date_admit)

# 新增错误标记列，方便后续批量处理
patient$record_error <- patient$date_discharge < patient$date_admit

注意事项 #

• 禁止直接对未转换的因子类型日期做大小比较：因子的比较规则基于内部整数编码，和真实日期先后无关，会得到完全错误的结果
• 日期转换后建议抽查几个边缘值（比如月初、年末的日期）确认格式匹配正确，避免因格式写错导致批量计算错误
• 若存在缺失值（NA），可在比较时增加!is.na()判断，避免返回NA结果

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