如何根据日期因子长度统一格式并转换为日期变量？

首先，你遇到的ifelse返回数值的问题，根源在于因子类型的本质是整数编码+水平标签——当你用ifelse处理因子时，它会返回底层的整数值而非你看到的字符标签。所以第一步必须先把日期因子转成字符型，再进行格式补全。

下面分两种方案给你解决思路，处理所有长度4-9的日期，统一为DD-MMM-YYYY格式后转成Date类型：

方案一：Base R 实现 #

# 1. 先把因子转成字符型（核心步骤，避免因子的整数编码干扰）
df$date_char <- as.character(df$date)
# 2. 计算日期字符串长度（假设原数据无多余空格/特殊字符，若有需先清理）
df$len <- nchar(df$date_char)

# 3. 分情况补全日期格式
# 长度4（YYYY）：补成01-Jul-YYYY（你选7月1日作为默认日，合理）
df$date_char[df$len == 4] <- paste0("01-Jul-", df$date_char[df$len == 4])
# 长度6（MMM-YY）：补成01-MMM-YYYY，用strptime自动处理两位年份
df$date_char[df$len == 6] <- format(strptime(df$date_char[df$len == 6], "%b-%y"), "%d-%b-%Y")
# 长度8（MMM-YYYY）：补成01-MMM-YYYY
df$date_char[df$len == 8] <- paste0("01-", df$date_char[df$len == 8])
# 长度9（DD-MMM-YY）：转成DD-MMM-YYYY
df$date_char[df$len == 9] <- format(strptime(df$date_char[df$len == 9], "%d-%b-%y"), "%d-%b-%Y")
# 长度0：设为NA（可根据需求保留原空值）
df$date_char[df$len == 0] <- NA

# 4. 统一转成Date类型
df$date_clean <- as.Date(df$date_char, "%d-%b-%Y")

方案二：dplyr + lubridate 更简洁的实现 #

如果你熟悉tidyverse工具，用case_when可以更清晰地分情况处理，且不会有类型转换的坑：

library(dplyr)
library(lubridate)

df <- df %>%
  mutate(
    date_char = as.character(date),
    len = nchar(date_char),
    date_clean = case_when(
      len == 4 ~ dmy(paste0("01-Jul-", date_char)), # lubridate自动识别日期格式
      len == 6 ~ dmy(paste0("01-", date_char)),
      len == 8 ~ dmy(paste0("01-", date_char)),
      len == 9 ~ dmy(date_char), # 自动处理两位年份转四位
      len == 0 ~ NA_Date_,
      TRUE ~ NA_Date_ # 其他异常长度统一设为NA
    )
  )

关键注意点： #

• 年份补全规则：对于两位年份（YY），strptime或lubridate默认规则是：00-69对应2000-2069，70-99对应1970-1999。如果你的数据有特殊规则（比如所有YY都是19XX），可以手动替换：

  # 强制将两位年份转为19XX
  df$date_char[df$len %in% c(6,9)] <- gsub("-(\\d{2})$", "-19\\1", df$date_char[df$len %in% c(6,9)])
  

• 因子转字符：这一步绝对不能省略，否则任何条件判断都会提取因子的整数值，导致结果完全混乱。
• 异常值处理：如果存在长度不在0/4/6/8/9/11的记录，建议统一设为NA，避免后续转Date时出错。

内容的提问来源于stack exchange，提问作者Mark