大数据集下如何将char类型列转为datetime类型并解决解析错误问题

出现转换结果和预期不符主要有两个核心原因：

• 指定的解析格式ymd HMS和原started_at列的实际字符格式不匹配：要么是年份为2位而非4位，要么是时间为12小时制而非24小时制，要么是原字符串中存在多余空格/特殊字符干扰解析
• 输出格式默认带完整24小时制时间和4位补全年份，和期望的输出格式不一致

第一步：清理原字符列的多余空格 #

先把原列里的多余空格全部去掉，避免干扰解析：

c_data$started_at <- stringr::str_squish(c_data$started_at)

第二步：调整解析格式匹配原数据 #

根据给出的预期结果反推，原数据大概率是2位年份、12小时制时间，根据实际情况选择对应解析代码：

# 情况1：原数据为2位年+月日+小时分钟 例："200520 10:03"
c_data$dt_1 <- lubridate::parse_date_time(c_data$started_at, "y md HM")

# 情况2：原数据带AM/PM标识 例："2020-05-20 10:03 AM"
c_data$dt_1 <- lubridate::parse_date_time(c_data$started_at, "ymd HM %p")

# 情况3：确认解析后年份统一偏移（比如所有年份多了7年），批量修正
c_data$dt_1 <- c_data$dt_1 - lubridate::years(7)

第三步：按期望格式输出 #

如果需要最终输出为2020-05-20 10:03格式的字符串，用format函数指定输出格式：

c_data$dt_output <- format(c_data$dt_1, "%Y-%m-%d %H:%M")

取前几行原数据和转换后的数据对比，确认解析正确：

head(data.frame(original = c_data$started_at, parsed = c_data$dt_1, output = c_data$dt_output))

内容的提问来源于stack exchange，提问作者Nikhil