R语言中是否有函数可解析包含不同格式日期的大体积字符向量？

解决方案 #

最优方案：使用lubridate::parse_date_time自动匹配多格式 #

该函数支持传入多个可能的日期格式，会自动为每个元素匹配对应格式完成解析，全程基于向量化运行速度极快，不会产生解析警告：

library(lubridate)
fixed_result_date_time <- as_date(
  parse_date_time(
    result_date_time_vector,
    # 按实际可能的格式顺序传入
    orders = c("Ymd HMS", "mdY"),
    tz = "America/New_York"
  )
)

可选方案：按格式索引分批次处理 #

如果希望手动控制格式匹配逻辑，避免自动匹配的不确定性，可以先筛选出不同格式的元素索引，再分别做解析，同样是向量化操作，速度远高于for循环，且不会产生警告：

library(lubridate)
library(stringr)
# 注意R字符串内正则的反斜杠需要双重转义
idx_ymd_hms <- str_detect(result_date_time_vector, "^\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}$")
fixed_result_date_time <- rep(as.Date(NA), length(result_date_time_vector))
# 仅处理符合ymd_hms格式的元素
fixed_result_date_time[idx_ymd_hms] <- as_date(ymd_hms(result_date_time_vector[idx_ymd_hms], tz = "America/New_York"))
# 仅处理符合mdy格式的元素
fixed_result_date_time[!idx_ymd_hms] <- as_date(mdy(result_date_time_vector[!idx_ymd_hms], tz = "America/New_York"))

原代码问题说明 #

• for循环效率低的原因：R的显式for循环是上层解释执行，处理几十万条数据的效率远低于C语言实现的向量化操作
• ifelse出现警告的原因：ifelse的两个分支会先对全量向量执行计算再按条件选择结果，相当于ymd_hms会尝试解析所有20963个m/d/y格式的元素、mdy会尝试解析所有447043个y-m-d H:M:S格式的元素，自然会产生大量解析失败警告

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