R语言处理含5位数字与字符混合列的日期转换问题

读取阶段规避日期转5位数字的方法 #

Excel底层以整数序列存储日期（Windows版默认以1899-12-30为起点计数，旧版Mac Excel以1904-01-01为起点），你看到的5位数字就是该底层存储值，读取时通过手动指定列类型即可避免自动转换：

• 用readxl包读取时，关闭自动类型推断，手动将目标列指定为文本类型：

  library(readxl)
  df <- read_excel("你的文件路径.xlsx", col_types = c("date of death" = "text"))
  

• 用openxlsx包读取时，关闭自动日期检测，指定目标列按字符读取：

  library(openxlsx)
  df <- read.xlsx("你的文件路径.xlsx", detectDates = FALSE, colClasses = c("date of death" = "character"))
  

以上两种方式都会直接读取Excel单元格内展示的格式化文本，不会抓取日期的底层整数值。

已读取为混合字符列的转换方法 #

如果已经完成读取，得到了数字字符串+文本值混合的列，无需重新读取文件，通过条件判断仅转换数字部分即可，非数字内容会完整保留：

1. 用正则匹配列中纯数字格式的内容
2. 将匹配到的数字转为R标准日期格式，根据文件来源选择对应日期原点
3. 非数字内容（alive、not known、NA等）不做修改

参考转换代码：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(
    `date of death` = case_when(
      # 识别纯数字内容做日期转换
      str_detect(`date of death`, "^\\d+$") ~ as.character(
        as.Date(
          as.numeric(`date of death`),
          origin = "1899-12-30" # 旧版Mac生成的Excel替换为"1904-01-01"
        )
      ),
      # 其余内容保持原样
      TRUE ~ `date of death`
    )
  )

转换后列的效果和你给出的样例对应如下：

#>  date of death  
#>   <chr>           
#> 1 2022-04-25         
#> 2 2022-04-26         
#> 3 alive
#> 4 not known
#> 5 NA

校验提示：如果转换后日期和你预期不符，可拿已知对应关系的数字值调整origin参数，直到结果匹配即可。

内容的提问来源于stack exchange，提问作者ltong