序数日期的格式（月份中的日期后缀 -st、-nd、-rd、-th）

Question

我错过了什么吗？ 我无法弄清楚如何将以下转换Date s，其中当月（当天%d ）具有序后缀-st ， -nd ， -rd ， -th ：

ord_dates <- c("September 1st, 2016", "September 2nd, 2016",
               "September 3rd, 2016", "September 4th, 2016")

?strptime似乎没有列出序数后缀的简写，也不会自动处理：

as.Date(ord_dates, format = c("%B %d, %Y"))
#[1] NA NA NA NA

是否有用于处理format参数中被忽略字符的标记？ 我丢失的令牌？

我能想到的最好的是（可能有一个更短的正则表达式，但同样的想法）：

as.Date(gsub("([0-9]+)(st|nd|rd|th)", "\\1", ord_dates), format = "%B %d, %Y")
# [1] "2016-09-01" "2016-09-02" "2016-09-03" "2016-09-04"

看起来这种数据应该比较普遍； 我错过了什么吗？

Answer 1

享受lubridate的力量：

library(lubridate)    
mdy(ord_dates)

[1] "2016-09-01" "2016-09-02" "2016-09-03" "2016-09-04"

在内部， lubridate没有任何特殊的转换规范来实现这一点。 相反， lubridate首先使用（通过智能猜测）格式"%B %dst, %Y" 。 这将获取ord_dates的第一个元素。

然后检查NA并对剩余元素重复其智能猜测，确定"%B %dnd, %Y"以获取第二个元素。 它以这种方式继续直到没有NA剩余（在这种情况下发生在 4 次迭代之后），或者直到它的智能猜测未能找到可能的格式候选。

您可以想象这会使lubridate变慢，而且确实如此 - 仅使用上面@alistaire 建议的智能正则表达式的速度大约是其一半：

set.seed(109123)
ord_dates <- sample(
  c("September 1st, 2016", "September 2nd, 2016",
    "September 3rd, 2016", "September 4th, 2016"),
  1e6, TRUE
  )

library(microbenchmark)

microbenchmark(times = 10L,
               lubridate = mdy(ord_dates),
               base = as.Date(sub("\\D+,", "", ord_dates),
                              format = "%B %e %Y"))
# Unit: seconds
#       expr      min       lq     mean   median       uq      max neval cld
#  lubridate 2.167957 2.219463 2.290950 2.252565 2.301725 2.587724    10   b
#       base 1.183970 1.224824 1.218642 1.227034 1.228324 1.229095    10  a 

lubridate的明显优势是其简洁性和灵活性。