R语言如何从dataframe格式混杂的日期列中仅提取年份？

你之前的代码无法得到预期输出的核心原因是df$DoB为字符类型，format()、year()等日期处理函数仅支持日期/日期时间类输入，未做类型转换直接调用会返回错误或NA。

以下是两种常用的实现方案：

方案1：使用lubridate包解析（推荐，容错率高） #

适合多种混杂日期格式并存的场景，可自定义适配所有可能的日期格式：

# 未安装包先运行 install.packages("lubridate")
library(lubridate)

# orders参数按你实际存在的日期格式调整，以下是常见格式示例
# 示例覆盖：仅年份、横杠分隔年月日、斜杠分隔年月日、带时分秒的完整时间、斜杠分隔带时间的格式
df$DoB_parsed <- parse_date_time(df$DoB, orders = c(
  "%Y", "%Y-%m-%d", "%Y/%m/%d", "%m/%d/%Y",
  "%Y-%m-%d %H:%M:%S", "%m/%d/%Y %H:%M"
))

# 提取年份，自动转为数值型
df$Year <- year(df$DoB_parsed)

提取后可运行table(is.na(df$Year))查看解析失败的行数，针对失败样本调整orders内的格式即可。

方案2：正则表达式提取（无需额外安装包） #

仅适用于DoB列内无其他非年份的4位连续数字的场景：

# 提取字符串中首次出现的4位连续数字作为年份，返回字符型
df$Year <- sub(".*?(\\d{4}).*", "\\1", df$DoB)

# 如需转为数值型可额外运行
df$Year <- as.integer(df$Year)

内容的提问来源于stack exchange，提问作者Phant5x