r - 使用应用函数将选定列从 POSIXct 转换为具有特定格式的日期

Question

偶尔，我将 Microsoft Excel 中的数据读入 R。在 Excel 中，日期变量的格式正确(例如 31-Dec-2017)。在读入 R 之后，相同的日期变量被转换为另一种格式(例如 2017-12-31)。

我的数据框示例(读入 R 后)如下所示:

df <- structure(list(ID = c("001", "002", "003", "004", "005"), 
           t1_date = structure(c(1490227200, 1508198400, 1511395200, 1527292800, 1485216000), 
                                         class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
           t2_date = structure(c(1524009600, NA, NA, NA, 1523232000), 
                                         class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
           t3_date = c(NA, NA, NA, NA, NA), 
           t4_date = c(NA, NA, NA, NA, NA), 
           t5_date = c(NA, NA, NA, NA, NA)), 
      .Names = c("ID", "t1_date", "t2_date", "t3_date", "t4_date", "t5_date"), 
      row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"))

以 t1_date 变量为例，我可以将每个日期列从 POSIXct 类(R 为我选择)单独转换为 Date 类，然后使用以下代码更改格式:

df$t1_date <- as.Date(df$t1_date)
df$t1_date <- format(df$t1_date, "%d-%b-%Y")

但是，我有很多日期列，它们在数据框中可能不相邻。

通常，为了解决此类问题，我使用 which 和 apply 函数来选择相关列并将函数应用于它们:

df[, which(colnames(df) == "t1_date"):
 which(colnames(df) == "t5_date")] <- 
  apply(df[, which(colnames(df) == "t1_date"):
         which(colnames(df) == "t5_date")], 2, function(x) as.Date(x, format = "%d-%b-%Y"))

上面的代码导致所有日期列中出现 NA，我不确定为什么。即使我不强制更改格式，而是将日期列从 POSIXct 类转换为 Date 类，代码仍然不起作用(见下文):

df[, which(colnames(df) == "t1_date"):
 which(colnames(df) == "t5_date")] <- 
  apply(df[, which(colnames(df) == "t1_date"):
         which(colnames(df) == "t5_date")], 2, as.Date)

我想要的结果是将日期转换为 DD-MMM-YYYY 格式(例如 31-Dec-2017)。

感谢帮助。谢谢!

Answer 1

我们选择要格式化的列范围，然后使用 as.Date 将它们转换为日期。然后 format它基于我们的要求。

start_col <- which(colnames(df) == "t1_date")
end_col <-  which(colnames(df) == "t5_date")
df[start_col:end_col] <- lapply(df[start_col:end_col], 
                        function(x) format(as.Date(x), "%d-%b-%Y"))


df
# A tibble: 5 x 6
#  ID    t1_date     t2_date     t3_date t4_date t5_date
#  <chr> <chr>       <chr>       <chr>   <chr>   <chr>  
#1 001   23-Mar-2017 18-Apr-2018 NA      NA      NA     
#2 002   17-Oct-2017 NA          NA      NA      NA     
#3 003   23-Nov-2017 NA          NA      NA      NA     
#4 004   26-May-2018 NA          NA      NA      NA     
#5 005   24-Jan-2017 09-Apr-2018 NA      NA      NA    

---

用dplyr 也可以实现同样的效果, mutate_at

library(dplyr)
df %>%
  mutate_at(vars("t1_date":"t5_date"), funs(format(as.Date(.), "%d-%b-%Y")))


#  ID    t1_date     t2_date     t3_date t4_date t5_date
#  <chr> <chr>       <chr>       <chr>   <chr>   <chr>  
#1 001   23-Mar-2017 18-Apr-2018 NA      NA      NA     
#2 002   17-Oct-2017 NA          NA      NA      NA     
#3 003   23-Nov-2017 NA          NA      NA      NA     
#4 004   26-May-2018 NA          NA      NA      NA     
#5 005   24-Jan-2017 09-Apr-2018 NA      NA      NA