将日期从excel转换为R

Question

我很难将日期从 excel（从 csv 读取）转换为 R。非常感谢您的帮助。

这是我正在做的事情：

df$date = as.Date(df$excel.date, format = "%d/%m/%Y")

但是，有些日期会被转换，而有些则不会。这是输出：

head(df$date)
[1] NA           NA           NA           "0006-01-05" NA           NA 

从csv文件导入的前5个条目如下：

7/28/05
7/28/05
12/16/05
5/1/06
4/21/05

这是输出：

head(df$excel.date)
[1] 7/28/05  7/28/05  12/16/05 5/1/06   4/21/05  1/25/07 
1079 Levels: 1/1/00 1/1/02 1/1/97 1/10/96 1/10/99 1/11/04 1/11/94 1/11/96 1/11/97 1/11/98 ... 9/9/99

str(df)
.
.
$ excel.date   : Factor w/ 1079 levels "1/1/00","1/1/02",..: 869 869 288 618 561 48 710 1022 172 241 ...

Answer 1

首先，请确保文件中的日期格式明确，使用完整的年份（不仅仅是最后 2 个数字）。 %Y 代表“有世纪的年份”（请参阅?strptime），但您似乎没有世纪。因此您可以使用%y（风险自负，再次查看?strptime）或在Excel 中重新格式化日期。

在读入这些数据时，同时使用as.is=TRUE 和read.csv 也是一个好主意——否则字符向量会转换为可能导致意外结果的因子。

在 Wndows 上，使用 RODBC 直接从 xls 或 xlsx 文件中读取日期可能更容易。

（编辑）

以下内容可能会给出提示：

> as.Date("13/04/2014", format= "%d/%m/%Y")
[1] "2014-04-13"
> as.Date(factor("13/04/2014"), format= "%d/%m/%Y")
[1] "2014-04-13"
> as.Date(factor("13/04/14"), format= "%d/%m/%Y")
[1] "14-04-13"
> as.Date(factor("13/04/14"), format= "%d/%m/%y")
[1] "2014-04-13"

（所以 as.Date 实际上可以考虑因素 - 魔术发生在 as.Date.factor 方法中，定义为：

function (x, ...)  as.Date(as.character(x), ...)

将日期表示为因素不是一个好主意，但在这种情况下也不是问题。我认为问题在于 Excel 将您的年份保存为 CSV 文件中的 2 位数字，而无需询问您。）

-

?strptime 帮助文件说，使用 %y 是特定于平台的 - 您可以在不同的机器上获得不同的结果。因此，如果无法返回源并以更好的方式保存 csv，您可能会使用以下内容：

x <- c("7/28/05", "7/28/05", "12/16/05", "5/1/06", "4/21/05", "1/25/07")

repairExcelDates <- function(x, yearcol=3, fmt="%m/%d/%Y") {
 x <-  do.call(rbind, lapply(strsplit(x, "/"), as.numeric))
 year <- x[,yearcol]
 if(any(year>99)) stop("dont'know what to do")
 x[,yearcol] <- ifelse(year <= as.numeric(format(Sys.Date(), "%Y")), year+2000, year + 1900) 
 # if year <= current year then add 2000, otherwise add 1900
 x <- apply(x, 1, paste, collapse="/")
 as.Date(x, format=fmt)
 }

repairExcelDates(x)
# [1] "2005-07-28" "2005-07-28" "2005-12-16" "2006-05-01" "2005-04-21"
# [6] "2007-01-25"

Answer 2

您的数据格式为月/日/年，因此

df$date = as.Date(df$excel.date, format = "%d/%m/%Y")

应该是

df$date = as.Date(df$excel.date, format = "%m/%d/%Y")