Преобразование переменной со смешанными форматами даты в один формат

Образец моего фрейма:

                date
1   25 February 1987
2     20 August 1974
3     9 October 1984
4     18 August 1992
5  19 September 1995
6          16-Oct-63
7          30-Sep-65
8        22 Jan 2008
9         13-11-1961
10    18 August 1987
11         15-Sep-70
12    5 October 1994
13   5 December 1984
14          03/23/87
15    30 August 1988
16        26-10-1993
17    22 August 1989
18         13-Sep-97

У меня есть большой фреймворк с переменной даты, которая имеет несколько форматов для дат. Большинство форматов в переменной показаны выше - есть пара очень редких и других. Причина, по которой существует несколько форматов, заключается в том, что данные были сведены с разных сайтов, каждый из которых использовал разные форматы.

Я попытался использовать простые преобразования, например.

strftime(mydf$date,"%d/%m/%Y")

но такие преобразования не будут работать, если есть несколько форматов. Я не хочу прибегать к множественному редактированию типа gsub. Мне было интересно, не хватает ли мне более простого решения?

Код, например:

    structure(list(date = structure(c(12L, 8L, 18L, 6L, 7L, 4L, 14L, 
10L, 1L, 5L, 3L, 17L, 16L, 11L, 15L, 13L, 9L, 2L), .Label = c("13-11-1961", 
"13-Sep-97", "15-Sep-70", "16-Oct-63", "18 August 1987", "18 August 1992", 
"19 September 1995", "20 August 1974", "22 August 1989", "22 Jan 2008", 
"03/23/87", "25 February 1987", "26-10-1993", "30-Sep-65", "30 August 1988", 
"5 December 1984", "5 October 1994", "9 October 1984"), class = "factor")), .Names = "date", row.names = c(NA, 
-18L), class = "data.frame")

Ответы

Ответ 1

Вы можете попробовать parse_date_time в пакете lubridate, который "позволяет пользователю указывать несколько форматных заказов для обработки разнородных представлений символов даты и времени" с использованием аргумента orders. Что-то вроде...

library(lubridate)
parse_date_time(x = df$date,
                orders = c("d m y", "d B Y", "m/d/y"),
                locale = "eng")

... должен иметь возможность обрабатывать большинство ваших форматов. Обратите внимание, что b/b форматы locale чувствительны.

Ответ 2

Вот базовое решение:

fmts <- c("%d-%b-%y", "%d %b %Y", "%d-%m-%Y", "%m/%d/%y")
d <- as.Date(as.numeric(apply(outer(DF$date, fmts, as.Date), 1, na.omit)), "1970-01-01")

Мы сделали упрощающее предположение, что ровно 1 формат работает для каждой даты ввода. Это похоже на пример, но если не заменить na.omit на function(x) c(na.omit(x), NA)[1]).

Обратите внимание, что двузначный год может быть неоднозначным, но, похоже, он всегда должен быть в прошлом, поэтому мы вычитаем 100 лет, если нет:

 past <- function(x) ifelse(x > Sys.Date(), seq(from=x, length=2, by="-100 year")[2], x)
 as.Date(sapply(d, past), "1970-01-01")

Для данных образца последняя строка дает:

[1] "1987-02-25" "1974-08-20" "1984-10-09" "1992-08-18" "1995-09-19"
[6] "1963-10-16" "1965-09-30" "2008-01-22" "1961-11-13" "1987-08-18"
[11] "1970-09-15" "1994-10-05" "1984-12-05" "1987-03-23" "1988-08-30"
[16] "1993-10-26" "1989-08-22" "1997-09-13"