在 R 中转换为几列的日期？答案

【问题标题】：In R Convert to Date of several columns?在 R 中转换为几列的日期？
【发布时间】：2020-10-01 16:10:44
【问题描述】：

你能帮我看看下面的代码吗？我确实试图找到一个答案，但可能错过了，如果有一个已经对不起你的时间。

我有一个如下例所示的 DataFrame。我需要做的是将所有 dt_ 变量转换为日期。我一个一个地用 mutate()/lapply 得到它，但我正在寻找一种自动方法。我在 R 工作。

co_cid Tipo  dt_notificacao co_uf_notificac~ co_uf_completo no_municipio_no~ dt_diagnostico_~
  <fct>  <fct> <fct>          <fct>            <fct>          <fct>            <fct>           
1 A90    Deng~ 01/10/2016     PE               PERNAMBUCO     Recife           23/01/2015      
2 A90    Deng~ 02/11/2016     PE               PERNAMBUCO     Recife           09/01/2015      
3 A90    Deng~ 01/11/2016     PE               PERNAMBUCO     Recife           12/12/2015      
4 A90    Deng~ 02/04/2016     PE               PERNAMBUCO     Recife           12/08/2015      
5 A90    Deng~ 01/08/2016     PE               PERNAMBUCO     Recife           12/01/2015      
6 A90    Deng~ 01/11/2016     PE               PERNAMBUCO     Recife           12/04/2015

我得到了所有的 dt_，应该是日期：

dt_vec <- nomes_colunas[(sapply(nomes_colunas, startsWith,prefix = "dt_"))]

然后我想用它将所有 dt_ 列转换为 Date 并将其替换为原始 df。我尝试了一个带有 mutate 的 for 循环，但列名与变量名保持一致。所以我最终只有一个带有日期的“coluna”变量。

for (coluna in dt_vec) {
  df_dados <- df_dados %>% mutate(coluna, coluna = as.Date(coluna, format = "%d/%m/%Y"))
}

至于 apply 我发现很难替换原始 df 中的值。

提前致谢！

【问题讨论】：

标签： r date dplyr data-cleaning

【解决方案1】：

如果我们要转换多列，请使用mutate 和across

library(lubridate)
library(dplyr)#1.0.0  
df_dados <- df_dados %>%
                mutate(across(starts_with('dt_', dmy)))

在dplyr的早期版本中，可以使用mutate_at

df_dados <- df_dados %>%
              mutate_at(vars(starts_with('dt_')), dmy)

【讨论】：

太快了！我认为第一个版本缺少一个“）”，但是知道cross函数真的很好！谢谢！ df_dados <- df_dados %>% + mutate(across(starts_with('dt_'), dmy))
@YuriMizusawa 抱歉，我没有测试它。感谢您的纠正

【解决方案2】：

您可以使用startsWith 找出要转换的列，并使用lapply 将它们转换为使用as.Date 的日期。我们可以使用基础 R 来做到这一点。

cols <- startsWith(names(df), 'dt')
df[cols] <- lapply(df[cols], as.Date, "%d/%m/%Y")
df

#  co_cid  Tipo dt_notificacao co_uf_notificac co_uf_completo no_municipio_no dt_diagnostico_
#1    A90 Deng~     2016-10-01              PE     PERNAMBUCO          Recife      2015-01-23
#2    A90 Deng~     2016-11-02              PE     PERNAMBUCO          Recife      2015-01-09
#3    A90 Deng~     2016-11-01              PE     PERNAMBUCO          Recife      2015-12-12
#4    A90 Deng~     2016-04-02              PE     PERNAMBUCO          Recife      2015-08-12
#5    A90 Deng~     2016-08-01              PE     PERNAMBUCO          Recife      2015-01-12
#6    A90 Deng~     2016-11-01              PE     PERNAMBUCO          Recife      2015-04-12

【讨论】：