tidymodels中recipe step_mutate处理NA日期时破坏非NA日期问题

问题原因 #

基础R自带的ifelse函数会自动丢弃输入的Date类属性，将日期值转换为对应的底层整数时间戳，因此最终输出的date1列变成了数值类型而非预期的日期类型。

解决方法 #

可以选择以下任意一种方案替换原有逻辑：

• 方案1：使用dplyr的if_else替代基础ifelse，该函数会严格保留输入数据的类型，不会发生自动强转

  rec <- recipes::recipe(target ~ ., data = df) %>% 
    recipes::step_mutate(date1 = dplyr::if_else(is.na(date1), lubridate::ymd("1900-01-01"), date1)) %>%
    prep() %>% 
    juice()
  

• 方案2：使用tidyr::replace_na实现NA固定值填充，写法更简洁

  rec <- recipes::recipe(target ~ ., data = df) %>% 
    recipes::step_mutate(date1 = tidyr::replace_na(date1, lubridate::ymd("1900-01-01"))) %>%
    prep() %>% 
    juice()
  

• 方案3：直接使用recipes自带的常量填充步骤，不需要手动写mutate逻辑

  rec <- recipes::recipe(target ~ ., data = df) %>% 
    recipes::step_impute_const(date1, value = lubridate::ymd("1900-01-01")) %>%
    prep() %>% 
    juice()
  

以上三种方案运行后得到的date1列均为预期的Date类型，值为2020-08-05和1900-01-01。

内容的提问来源于stack exchange，提问作者Forge