使用 lubridate 解析不同格式的日期

Question

我正在从 csv 文件中导入数据，其中日期列包含以不同格式记录的日期。我希望解析该列，使其具有 date 类，并且所有日期都以相同的样式格式化（即 %d-%m-%Y）。我希望使用lubridate，因为我有一些使用它的经验并且希望更好地使用它。

我已经在Parsing dates with different formats 和Parsing dates in multiple formats in R using lubridate 寻找答案，但我发现答案不完整。

通常，当我导入 csv 数据时，我会更改 col_types，如下所示：

potatoes <- read_csv("data/potato_prices.csv",
           col_types = cols(
           DATE = col_date(format = "%Y-%m-%d"), 
           'M04003DE00BERM372NNBR' = col_double())) %>% 
           rename("Price" = "M04003DE00BERM372NNBR")

但由于我的 DATE 列包含不同格式的日期，未格式化为 "%Y-%m-%d" 的日期返回 NA 并且该列的类显示为未知。

我尝试过col_guess，而不是使用col_date 指定确切的日期格式，然后使用以下代码更改 DATE 列，但它没有按我的意愿工作。

potatoes <- read_csv("data/potato_prices.csv",
                      col_types = cols(
                      DATE = col_guess(),
                      'M04003DE00BERM372NNBR' = col_double())) 

potatoes <- potatoes %>% 
  mutate(DATE = parse_date_time(DATE, orders = c("Ymd", "dmY"))) %>%
  rename("Price" = "M04003DE00BERM372NNBR")

这是我的数据如何以 csv 格式显示在 excel 中的示例

DATE <- c("1879-01-01", "1879-02-01", "1879-03-01", "1879-04-01", "1/05/1990", "1/06/1990", "1/07/1990", "1/08/1990", "1/09/1990", "1/10/1990")
Price <- c("23", "17.9", "17.8", "18", "20", "22", "20", "19", "17.2", "15")

spuds <- data.frame(DATE, Price)

我希望有一个有两列的小标题；日期为col_date 类，价格为col_double 类。然后，我将使用ggplot 创建绘图，我认为如果我的 DATE 列在课堂日期中，这将是最简单的。

谢谢

Answer 1

以下函数将尝试在其参数format 中传递的几种日期格式。它使用lubridate 函数guess_formats 来获取基于该参数的可能格式。

as_Date <- function(x, format = c("ymd", "dmy", "mdy")){
  fmt <- lubridate::guess_formats(x, format)
  fmt <- unique(fmt)
  y <- as.Date(x, format = fmt[1])
  for(i in seq_along(fmt)[-1]){
    na <- is.na(y)
    if(!any(na)) break
    y[na] <- as.Date(x[na], format = fmt[i])
  }
  y
}

formats <- c("ymd", "dmy")
as_Date(spuds$DATE, formats)
#[1] "1879-01-01" "1879-02-01" "1879-03-01" "1879-04-01"
#[5] "1990-05-01" "1990-06-01" "1990-07-01" "1990-08-01"
#[9] "1990-09-01" "1990-10-01"