关于R中读取日期数据出错的解决办法

R从excel文件中读取日期数据经常出现错误（如, 日期数据读入之后变成整数，或者整数与标准的日期格式共存等），这种情况大多是数据读入R之前数据类型保存有误（有些日期类型存储成了整数类型，或者整数与标准的日期类型数据共存） ,数据读入R之后，无法使用R中常用的日期处理函数（如lubridate的ymd()等函数）将数据转换为标准的日期函数（yyyy-mm-dd）。

遇到这种情况，我们可以通过colClasses或col_types来指定读入的数据列类型为日期类型('date'), 此时如果数据不是标准的日期类型（如yyyy-mm-dd）数据读入依然会出错。此时，可以指定数据列类型为文本类型（'character'或'text'）,此时数据读入不会出错，但是读入后需要对数据进行转换（整数形式的日期数据，如'41250', 需要转换为标准的日期类型数据:yyyy-mm-dd）。

日期与整数之间是可以转换的。通常，日期与1899年12月31日（或1970年1月1日-Unix时间）相差的天数即为相应日期对应的整数，碰到日期中有'42110', '12334', '2018-12-12'形式存在的数据时，需要判断日期数据是整数形式还是标准的日期格式。

下面写了一个简单的函数，来处理日期数据中既有整数形式的日期数据（如'41120'），又有标准日期类型的数据的情况：

str2num <- function(data){

return (as.numeric(as.character(data)))

}

change_date <- function(date_str){

##转为标准的年月日日期

date_str <- str_replace_all(date_str, "‘|’|“|”|“|”", '')

date_str <- str_replace_all(date_str, '年|月', '-')

date_str <- str_replace_all(date_str, '日', ' ')

date_str <- str_replace_all(date_str, '^\\s+|\\s+$', '')

##如果只有一个小数点,保留整数就行了

if (length(str_extract_all(date_str, '\\.')[[1]]) == 1 &&

!is.na(as.numeric(as.character(date_str)))){

date_str <- str_replace(date_str, '\\.\\d+$', '')

}

##空白字符后面的内容删除

date_str <- str_split(date_str, '\\s+', simplify = T)[, 1]

##标准的日期1

##yyyy-mm-dd, yyyy.mm.dd, yyyy/mm/dd, yyyy\mm\dd

tmp_bool1 <- str_detect(date_str, paste('\\d{4}[-./\\\\]\\d{1,2}[-./\\\\]\\d{1,2}',

'\\d{8}', sep = '|'))

##标准日期2

##mm-dd-yyy, mm.dd.yyyy, mm/dd/yyyy, mm\dd\yyyy

tmp_bool2 <- str_detect(date_str, '\\d{1,2}[-./\\\\]\\d{1,2}[-./\\\\]\\d{4}')

indexs <- 1:length(date_str)

##标准日期1,下标，年月日

norm_index1 <- which(tmp_bool1 == T)

##标准日期2下标，月日年

norm_index2 <- which(tmp_bool2 == T)

##非标准日期,转换成了数字格式的日期

int_index <- indexs[!indexs %in% c(norm_index1, norm_index2)]

tmp_int <- date_str[int_index]

tmp_int <- round(str2num(tmp_int), 0)

date_int <- as.character(ymd('1900-1-1') + ddays(tmp_int - 2))

date_str[c(norm_index1, norm_index2)] <- str_replace_all(date_str[c(norm_index1, norm_index2)], '[/.\\\\]', '-')

##norm index1

date_str[norm_index1] <- as.character(ymd(date_str[norm_index1]))

##norm index2

date_str[norm_index2] <- as.character(mdy(date_str[norm_index2]))

##int index

date_str[int_index] <- date_int

return(date_str)

}

调用上面的函数后，数据都转化为了'yyyy-mm-dd'形式的字符串数据

需要调用lubridate包中的ymd()函数进一步将字符串数据转换为日期数据。

ps:不同来源的日期数据转换要注意开始计算天数的日期是1899-12-31还是1970-1-1。

最后编辑于：2020.09.01 22:02:14