使用 ifelse() 排除故障日期答案

【问题标题】：troubleshooting dates with ifelse()使用 ifelse() 排除故障日期
【发布时间】：2017-10-26 16:19:16
【问题描述】：

我有一个包含数万个条目的日期变量的数据框。我认为某处可能存在数据输入错误，因为我无法将其转换为日期类变量或在 lubridate() 中对其进行处理。

在这个 MWE 中，第一个观察结果 (a1) 是一个合法的日期，我希望我的日期是这样的格式。其他观察结果 (a2-a7) 代表不同类型的数据输入错误。我想测试 date 变量中的每个观察结果，以查看观察结果是否是预期格式的合法日期。

我尝试使用常规模式和 ifelse()，但无法让代码正常工作。我想最终得到类似 df2 的东西（尽管它不一定是数据框），这样我就可以轻松识别可能需要注意的任何日期变量观察的 ID。任何帮助将非常感激。

起点：

df1 <- data.frame(varID=c("a1","a2","a3","a4","a5","a6","a7"),varDate=c("01/01/2015","0101/2016","01/012017","35/01/2018","01/17/2019","01/01/20200","abc"))

期望的结果：

df2 <- data.frame(varID=c("a2","a3","a4","a5","a6","a7"),VarIssue=c("format issue","format issue","format issue","format issue","format issue","format issue"))

当前代码：

ifelse(df1$varDate == (^(0[1-9]|[12][0-9]|3[01])[- /.](0[1-9]|1[012])[- /.](19|20)\d\d$),"ok","format issue")

【问题讨论】：

我可能遗漏了一些东西，但为什么不使用as.Date 使用“ok”format，并找到NA（“格式问题”）：is.na(as.Date(df1$varDate, format = "%d/%m/%Y"))
虽然我可以把它变成一个因素或字符，但它不会让我把它变成一个日期类变量。
@Henrik 我喜欢这个逻辑，但提供的正则表达式将接受多种日期格式，使用/、- 或. 作为分隔符。
@Henrik 不应该像 as.Date('01-01-20000000', '%d-%m-%Y') 这样的东西不能像 as.Date('2000000-01-01', '%Y-%d-%m') 那样解析吗？
@rawr 否，“每个输入字符串都按照指定格式进行处理：忽略任何尾随字符。”(?strptime)。

标签： r

【解决方案1】：

两个问题，不能单独使用正则表达式，需要在接受正则表达式模式的函数中调用，并且需要双转义代词字符。

在 R 中，您必须像这样使用双重转义：\\d，因此您的模式变为：

 pattern <- '^(0[1-9]|[12][0-9]|3[01])[- /.](0[1-9]|1[012])[- /.](19|20)\\d\\d$'

我们使用grepl（它返回一个逻辑向量）来检查每一行：

df1$check <-  ifelse(grepl(pattern,df1$varDate)==TRUE,"ok", "format issue")

  varID     varDate        check
1    a1  01/01/2015           ok
2    a2   0101/2016 format issue
3    a3   01/012017 format issue
4    a4  35/01/2018 format issue
5    a5  01/17/2019 format issue
6    a6 01/01/20200 format issue
7    a7         abc format issue

【讨论】：

【解决方案2】：

也许下面的内容跑题了，但是如果你对日期格式有问题，可以考虑使用包lubridate，它的character到Date的转换函数可以识别大量格式，不要给它一出现麻烦就起来。

library(lubridate)

mdy(df1$varDate)
#[1] "2015-01-01" "2016-01-01" "2017-01-01" NA           "2019-01-17"
#[6] NA           NA          
#Warning message:
# 3 failed to parse.

如您所见，只有3 failed to parse. 其他人被正确强制转换为Date 类。然后你会使用更简单的ifelse，但结果显然会大不相同。

df3 <- data.frame(varID = df1$varID)
df3$VarIssue <- ifelse(is.na(mdy(df1$varDate)), "format issue", "ok")
df3
#  varID     VarIssue
#1    a1           ok
#2    a2           ok
#3    a3           ok
#4    a4 format issue
#5    a5           ok
#6    a6 format issue
#7    a7 format issue

只有 3 个"format issue"。

【讨论】：