如何更改同一列中的多个日期格式？

Posted 2023-02-25

【中文标题】如何更改同一列中的多个日期格式？

【英文标题】：How to change multiple Date formats in same column?

【发布时间】：2012-11-25 17:10:29

【问题描述】：

到目前为止，我得到的是一个数据框列，其中包含不同字符格式的日期。一些出现在%d.%m.%Y 模式中，一些出现在%m/%d/%Y 中：

data$initialDiagnose = as.character(data$initialDiagnose)
data$initialDiagnose[1:10]

[1] "14.01.2009" "9/22/2005"  "4/21/2010" "28.01.2010" "09.01.2009" "3/28/2005" "04.01.2005" "04.01.2005" "9/17/2010" "03.01.2010"

我希望它们以一种格式作为 Date()，但 R 当然拒绝。 所以我一开始尝试通过分隔符来改变它们：

data$initialDiagnose[grep('/', data$initialDiagnose)] = as.character.Date(data$initialDiagnose[grep('/', data$initialDiagnose)], format = '%m/%d/%Y')

类似于'.'日期。但它没有用。

如何将它们全部更改为一种格式，以便我可以使用它们？

【参考方案1】：

a <- as.Date(data$initialDiagnose,format="%m/%d/%Y") # Produces NA when format is not "%m/%d/%Y"
b <- as.Date(data$initialDiagnose,format="%d.%m.%Y") # Produces NA when format is not "%d.%m.%Y"
a[is.na(a)] <- b[!is.na(b)] # Combine both while keeping their ranks
data$initialDiagnose <- a # Put it back in your dataframe
data$initialDiagnose
[1] "2009-01-14" "2005-09-22" "2010-04-21" "2010-01-28" "2009-01-09" "2005-03-28" "2005-01-04" "2005-01-04" "2010-09-17" "2010-01-03"

另外，前面的方法适用于您拥有三种（或更多）不同格式的情况：

data$initialDiagnose
[1] 14.01.2009 9/22/2005  12 Mar 97  4/21/2010  28.01.2010 09.01.2009 3/28/2005 
Levels: 09.01.2009 12 Mar 97 14.01.2009 28.01.2010 3/28/2005 4/21/2010 9/22/2005

multidate <- function(data, formats)
    a<-list()
    for(i in 1:length(formats))
        a[[i]]<- as.Date(data,format=formats[i])
        a[[1]][!is.na(a[[i]])]<-a[[i]][!is.na(a[[i]])]
        
    a[[1]]
    

data$initialDiagnose <- multidate(data$initialDiagnose, 
                                  c("%m/%d/%Y","%d.%m.%Y","%d %b %y"))
data$initialDiagnose
[1] "2009-01-14" "2005-09-22" "1997-03-12" "2010-04-21" "2010-01-28" "2009-01-09" "2005-03-28"

【讨论】：

这个函数健壮吗？据推测，作为参数的日期格式应按初始诊断中的出现频率排序。谢谢！

只要不存在相互模棱两可的格式（例如 2010-02-03 可能是 %Y-%m-%d 或 %Y-%d-%m），我认为出现的频率不是问题。

【参考方案2】：

我喜欢 lubridate 的易用性：

library(lubridate) 

# note added ugly formats below
data <- data.frame(initialDiagnose = c("14.01.2009", "9/22/2005", 
        "4/21/2010", "28.01.2010", "09.01.2009", "3/28/2005", 
        "04.01.2005", "04.01.2005", "Created on 9/17/2010", "03 01 2010"))

mdy <- mdy(data$initialDiagnose) 
dmy <- dmy(data$initialDiagnose) 
mdy[is.na(mdy)] <- dmy[is.na(mdy)] # some dates are ambiguous, here we give 
data$initialDiagnose <- mdy        # mdy precedence over dmy
data
#   initialDiagnose
#       2009-01-14
#       2005-09-22
#       2010-04-21
#       2010-01-28
#       2009-09-01
#       2005-03-28
#       2005-04-01
#       2005-04-01
#       2010-09-17
#       2010-03-01

【讨论】：

我很欣赏/认为在这里明确定义偏好的价值是巨大的。

【参考方案3】：

自2012年MattBagg's answer以来，lubridate添加了parse_date_time功能，该功能正是针对这种情况而设计的，可以在一行中解决这个问题：

library(lubridate) 

data <- data.frame(initialDiagnose = c("14.01.2009", "9/22/2005", 
        "4/21/2010", "28.01.2010", "09.01.2009", "3/28/2005", 
        "04.01.2005", "04.01.2005", "Created on 9/17/2010", "03 01 2010"))

parse_date_time(data$initialDiagnose, orders = c('mdy', 'dmy'))

 [1] "2009-01-14 UTC" "2005-09-22 UTC" "2010-04-21 UTC" "2010-01-28 UTC" "2009-01-09 UTC"
 [6] "2005-03-28 UTC" "2005-01-04 UTC" "2005-01-04 UTC" "2010-09-17 UTC" "2010-03-01 UTC"

orders= 参数是一个字符向量，其中包含可能的日期时间解析格式，按照它们应该被测试的顺序。因此，通过给出c('mdy', 'dmy')，lubridate 将尝试将所有字符串解析为Month, Date, Year 格式。如果它不能成功地做到这一点（例如，日期14.01.2009 将不起作用，因为没有第 14 个月），它将尝试列表中的下一个，直到所有字符串都被解析，或者所有订单都用完。