为何purrr::pmap_dfr会将Date类型转为数值型？如何避免？

我来帮你搞定这个问题——你碰到的Date列被转成数值的情况，根源在于pmap系列函数传递参数的逻辑：

问题原因 #

R里的Date类型本质是披着Date外衣的整数，它底层存储的是从1970-01-01开始计算的天数。当pmap_dfr遍历你的数据框时，它会把每一行拆成独立的原子向量传递给自定义函数，这个过程会剥离掉Date的类属性，只留下底层的数值。这就是为什么你的函数里class(d)返回numeric，最终输出的tibble里d列也变成了数值型。

解决方法 #

这里有几种实用的解决思路，你可以根据自己的场景选择：

1. 在函数中手动还原Date类型

既然参数被转成了数值，那我们就在函数里把它转回去就行，用as.Date()指定原点为1970-01-01：

library(tidyverse)
library(lubridate)

df <- data.frame(
  a = c('a', 'b', 'c'),
  b = c(10, 20, 30),
  c = c(100.5, 200.5, 300.5),
  d = c(ymd("2016-01-01"), ymd("2017-01-01"), ymd("2018-01-01")),
  stringsAsFactors = FALSE
)

f <- function(a, b, c, d){
  # 把数值转回Date类型
  d <- as.Date(d, origin = "1970-01-01")
  r <- data_frame(a=a, b=b, c=c, d=d, class.of.d=class(d))
  return(r)
}

pmap_dfr(df, f)

运行后你会看到d列恢复成Date类型，class.of.d显示为Date。

2. 传递完整行数据而非拆分参数

如果不想手动转类型，可以让函数接收整行数据，这样就能保留Date的类属性。我们可以先把数据框拆成每行的列表，再用pmap传递：

f_row <- function(row){
  r <- data_frame(
    a = row$a, 
    b = row$b, 
    c = row$c, 
    d = row$d, 
    class.of.d = class(row$d)
  )
  return(r)
}

df %>% 
  split(1:nrow(.)) %>% 
  pmap(f_row) %>% 
  bind_rows()

这种方法因为直接传递的是带有类属性的行数据，所以Date类型不会丢失。

3. 换用dplyr::rowwise()处理

如果你的需求只是简单的逐行操作，rowwise()会更简洁，而且天然保留列的原始类型：

df %>%
  rowwise() %>%
  mutate(class.of.d = class(d)) %>%
  ungroup()

这个方法不需要额外写自定义函数，适合轻量的逐行计算场景。

内容的提问来源于stack exchange，提问作者dfv-MS