在R语言中将数据框中的指定字符变量转换为时间类型

没问题，批量处理这类转换在R里有几种高效的方式，我推荐用lubridate包（搭配dplyr会更顺手），它比base R的原生函数更灵活，尤其适合批量操作多个变量的场景。下面是具体的实现步骤：

1. 准备工作：加载必要的包 #

首先安装并加载两个核心包——lubridate专门处理时间日期，dplyr用来做批量数据操作：

install.packages(c("lubridate", "dplyr"))
library(lubridate)
library(dplyr)

2. 定义需要转换的变量列表 #

先把你要转换的14个变量名称列出来，比如：

# 替换成你实际需要转换的14个变量名，比如包含Date、Bed_Time、Wake_Time的列
target_cols <- c("D1_Date", "D1_Bed_Time", "D1_Wake_Time", "D2_Date", "D2_Bed_Time", "D2_Wake_Time", ...)

3. 批量转换（分场景处理） #

根据你的变量类型（纯日期、纯时间、日期时间组合），选择对应的转换方式：

场景1：纯日期变量（如D1_Date） #

如果你的日期格式是YYYY-MM-DD，用ymd()函数；如果是MM/DD/YYYY就换成mdy()，以此类推：

ids_dates_times <- ids_dates_times %>%
  mutate(across(all_of(target_cols[grepl("Date", target_cols)]), ymd))

场景2：纯时间变量（如D1_Bed_Time） #

针对时分秒格式的时间，用hms()函数转换：

ids_dates_times <- ids_dates_times %>%
  mutate(across(all_of(target_cols[grepl("Bed_Time|Wake_Time", target_cols)]), hms))

场景3：自动识别多种格式（不确定格式时用） #

如果你的变量格式不统一，parse_date_time()可以自动尝试多种常见格式：

ids_dates_times <- ids_dates_times %>%
  mutate(across(all_of(target_cols), ~parse_date_time(., orders = c("ymd", "mdy", "hms", "ymd_hms"))))

4. 验证转换结果 #

转换完成后，用str()函数检查变量类型是否正确：

str(ids_dates_times)

如果出现NA值，说明部分行的格式不匹配，你可以定位这些行排查问题：

# 以D1_Date为例，查看转换失败的行
problem_rows <- which(is.na(ids_dates_times$D1_Date))
print(ids_dates_times[problem_rows, "D1_Date"])

备选：Base R实现方式 #

如果你不想用tidyverse系列包，也可以用base R的lapply()批量处理：

# 转换日期列
date_cols <- target_cols[grepl("Date", target_cols)]
ids_dates_times[date_cols] <- lapply(ids_dates_times[date_cols], as.Date, format = "%Y-%m-%d")

# 转换时间列
time_cols <- target_cols[grepl("Bed_Time|Wake_Time", target_cols)]
ids_dates_times[time_cols] <- lapply(ids_dates_times[time_cols], function(x) strptime(x, format = "%H:%M:%S") %>% hms::as_hms())

内容的提问来源于stack exchange，提问作者Jonathan