在R中将多字符列批量转为日期格式并去除时间的技术问询

我来帮你搞定这个批量转换日期列的问题！先梳理下你之前尝试遇到的问题，再给你几个高效的实现方法：

先修正你的示例数据 #

你用cbind得到的是矩阵，而dplyr操作的对象是数据框/tibble，所以第一步要把数据转成数据框：

library(dplyr)
library(lubridate)

col1 = c("2017-04-01 23:00:00", "2017-03-03 00:00:01", "2017-04-02 00:00:01")
col2 = c("2017-04-10 08:41:49", "2017-04-10 08:39:48", "2017-04-10 08:41:51")
df <- data.frame(col1, col2, stringsAsFactors = FALSE)

为什么你之前的方法失效？ #

1. mutate用法错误：你写的df %>% mutate(df, funs(ymd))存在两个问题：
   • 管道%>%已经把df传给mutate了，不需要再写第一个参数df；
   • 你的字符串是带时间的，ymd只能解析纯日期字符串，应该用ymd_hms来解析带时分秒的格式；另外新版dplyr已经不推荐funs()，改用lambda表达式~。
2. 循环没赋值：你写的循环只是调用了as_date(df[i])，但没把转换后的值存回df里，自然看不到变化。

高效的批量转换方法 #

方法1：用mutate(across())（dplyr 1.0.0+ 推荐写法，最灵活）

across(everything())表示对所有列操作，先解析带时间的字符串，再用date()提取日期部分（自动去掉时间）：

df <- df %>% 
  mutate(across(everything(), ~ ymd_hms(.) %>% date()))

方法2：用mutate_all（旧版dplyr兼容写法）

如果你的dplyr版本较低，可以用mutate_all实现同样的批量操作：

df <- df %>% 
  mutate_all(~ ymd_hms(.) %>% date())

方法3：灵活处理多种日期格式（如果你的列格式不统一）

如果有的列是mdy格式，有的是ymd，可以用parse_date_time自动识别：

df <- df %>% 
  mutate(across(everything(), ~ parse_date_time(., orders = c("ymd_hms", "mdy_hms")) %>% date()))

方法4：修正后的循环写法

如果你偏好循环，只要把转换结果赋值回原列即可：

namedlist <- colnames(df)
for(i in namedlist) {
  df[[i]] <- ymd_hms(df[[i]]) %>% date()
}

验证结果 #

用glimpse(df)查看，所有列都会变成Date类型，且只有年月日，没有时间信息：

glimpse(df)
# Rows: 3
# Columns: 2
# $ col1 <date> 2017-04-01, 2017-03-03, 2017-04-02
# $ col2 <date> 2017-04-10, 2017-04-10, 2017-04-10

内容的提问来源于stack exchange，提问作者Jordan