R语言POSIXct转Date丢失时间及大规模数据集日期大小写统一问题

方案1：直接统一字符串格式（匹配另一个数据集的首字母大写月份格式） #

直接使用向量化正则替换，无需循环，43.6万行数据可秒级处理：

# 替换为你的日期列向量即可
date_vec <- c("21MAY68:15:00", "01JAN99:08:30")
# 正则匹配：前2位为日，接下来3位为月份缩写，将月份转为「首字母大写+其余小写」格式
date_vec_fixed <- gsub("^(\\d{2})([A-Z]{3})(.*)$", "\\1\\U\\L\\2\\E\\3", date_vec, perl = TRUE)

输出结果直接为21May68:15:00格式，和另一个数据集的日期格式完全一致，可直接用于判等合并。

方案2：统一解析为时间类型合并（更稳妥，避免字符串格式坑） #

如果不需要保留原字符串格式，更推荐直接将两个数据集的日期都解析为POSIXct时间类型，再按时间列合并，完全不用关心大小写差异：

library(lubridate)
# 通用解析函数，适配两种大小写格式
parse_date <- function(x, tz = "EST") {
  # 统一转小写后解析，规避大小写匹配问题
  x_lower <- tolower(x)
  date_parsed <- as.POSIXct(x_lower, format = "%d%b%y:%H:%M", tz = tz)
  # 批量修正年份问题：所有晚于2060年的日期统一减100年，适配1960+的早年日期
  year(date_parsed) <- ifelse(year(date_parsed) > 2060, year(date_parsed) - 100, year(date_parsed))
  return(date_parsed)
}

# 分别给两个数据集新增解析后的时间列
df1$date_parsed <- parse_date(df1$你的日期列名1)
df2$date_parsed <- parse_date(df2$你的日期列名2)

# 直接按date_parsed列合并即可
merged_df <- merge(df1, df2, by = "date_parsed")

不想额外安装lubridate包的话，可用base R版本实现：

parse_date_base <- function(x, tz = "EST") {
  x_lower <- tolower(x)
  date_parsed <- as.POSIXct(x_lower, format = "%d%b%y:%H:%M", tz = tz)
  date_parsed <- as.POSIXct(
    ifelse(format(date_parsed, "%Y") > 2060, 
           paste0("19", substr(as.character(date_parsed), 3, nchar(as.character(date_parsed)))), 
           date_parsed),
    origin = "1970-01-01", tz = tz
  )
  return(date_parsed)
}

注意事项 #

• 不要用as.Date处理带时间的日期：Date类型仅存储日期精度，必然丢失时分秒信息，保留时间请直接用POSIXct类型
• 所有处理均为R原生向量化操作，性能远高于for循环，处理百万级行数据也不会出现强制终止问题

内容的提问来源于stack exchange，提问作者rod22