日期為非標准格式時提取年月日

Question

我有一列日期，我想將年、月和日提取到單獨的列中。 不幸的是，日期列中的條目不一致，因此使用format(as.Date(),"%Y")或lubridate::year()的正常解決方案不起作用。

這是一個示例 dataframe：

dates_df <- data.frame(dates = c("1985-03-23", "", "1983", "1984-01"))

這是期望的結果：

       dates year month  day
1 1985-03-23 1985     3   23
2            <NA>  <NA> <NA>
3       1983 1983  <NA> <NA>
4    1984-01 1984     1 <NA>

我可以使用以下代碼實現預期的結果，但在大型數據集（>100,000 行）上速度非常慢：

dates_df$year <- sapply(dates_df$dates, function(x) unlist(strsplit(x, "\\-"))[1])
dates_df$month <- sapply(dates_df$dates, function(x) unlist(strsplit(x, "\\-"))[2])
dates_df$day <- sapply(dates_df$dates, function(x) unlist(strsplit(x, "\\-"))[3])

我的問題：

有沒有更有效（快速）的方法從雜亂的日期數據中提取年、月、日列？

Answer 1

使用strsplit並調整length s。

cbind(dates_df, t(sapply(strsplit(dates_df$dates, '-'), `length<-`, 3)))
#        dates    1    2    3
# 1 1985-03-23 1985   03   23
# 2            <NA> <NA> <NA>
# 3       1983 1983 <NA> <NA>
# 4    1984-01 1984   01 <NA>

有好聽的名字：

cbind(dates_df, `colnames<-`(
  t(sapply(strsplit(dates_df$dates, '-'), `length<-`, 3)), c('year', 'month', 'day')))
#        dates year month  day
# 1 1985-03-23 1985    03   23
# 2            <NA>  <NA> <NA>
# 3       1983 1983  <NA> <NA>
# 4    1984-01 1984    01 <NA>

Answer 2

我的第一個想法是嘗試tidyr::separate 。 未經速度測試，如果示例數據中未顯示日期格式，則可能會崩潰。

tidyr::separate(dates_df, 
                dates, 
                into = c('year', 'month', 'day'), 
                remove = FALSE)

#-----
       dates year month  day
1 1985-03-23 1985    03   23
2                  <NA> <NA>
3       1983 1983  <NA> <NA>
4    1984-01 1984    01 <NA>