数据框中的凌乱日期格式

【问题标题】：Messy date formats in data frame数据框中的凌乱日期格式
【发布时间】：2019-01-19 06:01:20
【问题描述】：

我为自己创建了一个我无法解决的任务 - 有一个包含某些项目的开始日期和结束日期的数据框。某些元素是错误的，并显示项目的持续时间而不是结束日期。

start_date <- c("2017-05-04", "2016-04-01", "2013-12-12", "2011-05-11", "2010-04-10", "2009-01-01")
end_date <- c("2020-01-01", "2020-01-06", "3 years", "36 months", "2020-01-01", "2020-01-01")
df <- data.frame(start_date, end_date)

start_date   end_date
1 2017-05-04 2020-01-01
2 2016-04-01 2020-01-06
3 2013-12-12    3 years
4 2011-05-11  36 months
5 2010-04-10 2020-01-01
6 2009-01-01 2020-01-01

如何计算它们并转换为日期格式？而且start_date和end_date的数据结构也是因素。

【问题讨论】：

标签： r dataframe data-cleaning

【解决方案1】：

您可以在结束日期使用as.Date，然后在失败的值上使用lubridate::as.duration（即不适用）：

library(lubridate)
#> 
#> Attaching package: 'lubridate'
#> The following object is masked from 'package:base':
#> 
#>     date
start_date <- c("2017-05-04", "2016-04-01", "2013-12-12", "2011-05-11", "2010-04-10", "2009-01-01")
end_date <- c("2020-01-01", "2020-01-06", "3 years", "36 months", "2020-01-01", "2020-01-01")
df <- data.frame(start_date = as.Date(start_date), end_date, stringsAsFactors = FALSE)
df$EndDate <- as.Date(df$end_date)

for (i in which(is.na(df$EndDate))) {
  df[i, ]$EndDate <- as.Date(df[i, ]$start_date + as.duration(df[i, ]$end_date))
}
df
#>   start_date   end_date    EndDate
#> 1 2017-05-04 2020-01-01 2020-01-01
#> 2 2016-04-01 2020-01-06 2020-01-06
#> 3 2013-12-12    3 years 2016-12-11
#> 4 2011-05-11  36 months 2014-05-10
#> 5 2010-04-10 2020-01-01 2020-01-01
#> 6 2009-01-01 2020-01-01 2020-01-01

【讨论】：