将列中的多种日期格式转换为单一形式

Question

我在数据框中有一列，其中包含以多种形式存储的日期信息，例如

dob <- c("18/02/1983","36782","01/11,1999 11:55",
         "Dead 12/12/2001","Alive 03/07/1985")

我想将所有这些转换为格式为 "%d/%m/%Y" 的 POSIXlt 日期，没有时间信息，也没有 "Dead" 或 "Alive" 前缀.

所有以前的类似问题的解决方案都只涉及两种可能的格式，我可以告诉，而我有更多，而且我有转换 5 位数字格式日期的问题（我认为这是带有原点的数字日期1970-01-01 来自 Excel) 也。我正在使用 R-3.1.2。如有任何帮助，我们将不胜感激！

Answer 1

对此没有简单或简单的解决方案，您至少必须手动检查格式。但是说，解决方案的伪代码是这样的：

tmp <- grepl('[0-9][0-9]/[0-9][0-9]/[0-9][0-9][0-9][0-9]', dob))
formats[tmp] <- '%d/%m/%Y'
tmp <- grepl( other format, dob)
formats[tmp] <- 'other format'
etc...
dates <- strptime(dob, formats)

Answer 2

lubridate 就日期格式而言是灵活的。

根据您的 5 个日期样本在较大数据集中的代表性，您可以对它们进行一次解析以过滤掉通常为日-月-年的样本。然后，假设其余的是不可靠的 Excel 日期，根据它们的正确来源分别解析它们（警告的话，这可能 depend on which OS 创建 Excel 文件）。

library(lubridate)
d <- parse_date_time(dob, c('%d%m%y', '%d%m%y %H%M'))
d[is.na(d)] <- as.POSIXct(as.Date(as.numeric(dob[is.na(d)]), 
                                  origin = "1899-12-30"))

d

## [1] "1983-02-18 00:00:00 UTC" "2000-09-13 00:00:00 UTC" "1999-11-01 11:55:00 UTC"
## [4] "2001-12-12 00:00:00 UTC" "1985-07-03 00:00:00 UTC"

AFAIK 你不能从 POSIXlt/POSIXct 对象中省略时间信息，所以如果你想这样做，你可能需要：

as.Date(d)

将采用 %d-%m-%Y 格式（在我的语言环境中），

或

format(d, '%d/%m/%Y')

这将是 character。

将列中的多种日期格式转换为单一形式

Converting multiple date formats in a column to a single form

r

date