在 R 中将字符串转换为日期的最快方法答案

【问题标题】：Fastest way to convert strings to dates in R在 R 中将字符串转换为日期的最快方法
【发布时间】：2019-09-20 16:23:58
【问题描述】：

我想在R 中以字符串形式（例如：“09/20/2019”）转换大约 1 亿个日期。

在做

a = "09/20/2019"       
a <- as.Date(a, "%m/%d/%Y")

似乎有点慢。有没有更快的方法来实现这种转换？

（尝试了fasttime 包，但它需要以下顺序：year, month, day... 因此原始字符串需要进一步操作）

【问题讨论】：

标签： r fasttime

【解决方案1】：

对于此示例数据，使用查找表方法 (1) 比 as.Date 快 38 倍。对于这个示例数据，方法 (2) 仍然快 18 倍，如果您没有生成d 的好方法，则更方便。当然，您的数据细节会影响实际实现的加速。

# test data
set.seed(123)
d <- format(as.Date("2000-01-01") + 1:100, "%m/%d/%Y")
dd <- sample(d, 1000000, replace = TRUE)

# 1 - lookup table
system.time(as.Date(d, "%m/%d/%Y")[match(dd, d)])
##    user  system elapsed 
##    0.06    0.02    0.07 

# 2 - table lookup generating u on the fly instead of d
system.time({u <- unique(dd); as.Date(u, "%m/%d/%Y")[match(dd, u)] })
## user  system elapsed 
## 0.13    0.03    0.15 

# 3 - as.Date
system.time(as.Date(dd, "%m/%d/%Y"))
##    user  system elapsed 
##    2.61    0.07    2.67

【讨论】：

带有dd的查找表提前排序也应该节省一点时间

【解决方案2】：

使用润滑


library(lubridate)
a = "09/20/2019"
mdy(a)

【讨论】：

@joran 应该够快了，我在 100 万个随机日期上测试了mdy，只用了 0.22 秒。
@joran 需要 6 层才能到达那里，但我认为最终它使用 lubridate:::C_parse_dt 可能比使用通用 strptime 的 as.Date 更快。我对 C 方面的了解还不够，无法更根本地发表评论

【解决方案3】：

既然你提到了fasttime，我就好奇地想用其他一些常见的选项来测试它。它需要年月日格式的日期，但您可以使用一些正则表达式来做到这一点。

我对一组较小但仍然很麻烦的日期进行了基准测试。我在一台使用了一年的 MacBook Pro 上运行了很多其他的东西，并且还在 100 万次约会中进行了 100 次试验，并且在我吃完三明治之前完成了所有 3 种方法。

set.seed(9)
days <- sample(1:30, 1e6, replace = TRUE)
date_str <- sprintf("09/%02d/2019", days)

# as.Date(date_str, format = "%m/%d/%Y")
# lubridate::mdy(date_str)
# fasttime::fastPOSIXct(gsub("^(\\d{2})/(\\d{2})/(\\d{4})", "\\3-\\1-\\2", date_str))

bench <- microbenchmark::microbenchmark(
  list = list(
    base = as.Date(date_str, format = "%m/%d/%Y"),
    lubr = lubridate::mdy(date_str),
    fast = fasttime::fastPOSIXct(gsub("^(\\d{2})/(\\d{2})/(\\d{4})", "\\3-\\1-\\2", date_str))
  )
)

bench
#> Unit: nanoseconds
#>  expr min lq mean median uq max neval cld
#>  base   3  5 7.02      5  6 180   100   a
#>  lubr   4  5 6.91      6  6 148   100   a
#>  fast   4  5 8.77      5  6 332   100   a

基于平均值和最低最大值，lubridate::mdy 运行速度最快，无需重新格式化或指定格式字符串。基于中位数，基本 as.Date 运行最快，但需要您设置格式化字符串（不是什么大问题），或 fasttime 但使用正则表达式规定。随心所欲。

我还注意到fasttime 转换为 POSIX，因此由于没有设置时间元素，因此将其添加到其中 - 删除它可能会成为另一个耗时的步骤。

【讨论】：