separar - ¿Hay alguna manera más elegante de convertir años de dos dígitos a años de cuatro dígitos con lubridate?

manipulacion de horas en r

Question

Si un vector de fecha tiene años de dos dígitos, mdy() cambia años entre 00 y 68 en años del siglo XXI y años entre 69 y 99 en años del siglo XX. Por ejemplo:

library(lubridate)    
mdy(c("1/2/54","1/2/68","1/2/69","1/2/99","1/2/04"))

da el siguiente resultado:

Multiple format matches with 5 successes: %m/%d/%y, %m/%d/%Y.
Using date format %m/%d/%y.
[1] "2054-01-02 UTC" "2068-01-02 UTC" "1969-01-02 UTC" "1999-01-02 UTC" "2004-01-02 UTC"

Puedo solucionar esto después del hecho al restar 100 de las fechas incorrectas para convertir 2054 y 2068 en 1954 y 1968. Pero ¿hay un método más elegante y menos propenso a errores de analizar fechas de dos dígitos para que se manejen correctamente en el proceso de análisis en sí?

Actualización: Después de que JoshuaUlrich me indicó que strptime , encontré esta pregunta , que trata de un problema similar al mío, pero usando la base R.

Parece que una buena adición al manejo de fechas en R sería una forma de manejar los cortes de selección de siglo para fechas de dos dígitos dentro de las funciones de análisis de fecha.

Answer 1

Acabo de experimentar exactamente este mismo error / función.

Terminé escribiendo las siguientes dos funciones rápidas para ayudar a convertir las fechas de tipo Excel (que es donde obtengo más) a algo que R puede usar.

No hay nada malo con la respuesta aceptada, es solo que prefiero no cargar demasiado los paquetes.

Primero, un ayudante para dividir y reemplazar los años ...

year1900 <- function(dd_y, yrFlip = 50)
{
    dd_y <- as.numeric(dd_y)
    dd_y[dd_y > yrFlip] <- dd_y[dd_y > yrFlip] + 1900
    dd_y[dd_y < yrFlip] <- dd_y[dd_y < yrFlip] + 2000
    return(dd_y)
}

que es utilizado por una función que ''arregla'' sus fechas de Excel, según el tipo:

XLdate <- function(Xd, type = ''b-Y'')
{
    switch(type,
        ''b-Y'' = as.Date(paste0(substr(Xd, 5, 9), "-", substr(Xd, 1, 3), "-01"), format = "%Y-%b-%d"),
        ''b-y'' = as.Date(paste0(year1900(substr(Xd, 5, 6)), "-", substr(Xd, 1, 3), "-01"), 
                        format = "%Y-%b-%d"),
        ''Y-b'' = as.Date(paste0(substr(Xd, 1, 3), "-", substr(Xd, 5, 9), "-01"), format =     "%Y-%b-%d")
        )
}

Espero que esto ayude.

Answer 2

Aquí hay una función que le permite hacer esto:

library(lubridate)
x <- mdy(c("1/2/54","1/2/68","1/2/69","1/2/99","1/2/04"))


foo <- function(x, year=1968){
  m <- year(x) %% 100
  year(x) <- ifelse(m > year %% 100, 1900+m, 2000+m)
  x
}

Pruébalo:

x
[1] "2054-01-02 UTC" "2068-01-02 UTC" "1969-01-02 UTC" "1999-01-02 UTC"
[5] "2004-01-02 UTC"

foo(x)
[1] "2054-01-02 UTC" "2068-01-02 UTC" "1969-01-02 UTC" "1999-01-02 UTC"
[5] "2004-01-02 UTC"

foo(x, 1950)
[1] "1954-01-02 UTC" "1968-01-02 UTC" "1969-01-02 UTC" "1999-01-02 UTC"
[5] "2004-01-02 UTC"

La parte mágica aquí es usar el operador de módulo %% para devolver la fracción de una división. Entonces 1968 %% 100 rinde 68.

Answer 3

Otra opción sería:

xxx <- c("01-Jan-54","01-Feb-68","01-Aug-69","01-May-99","01-Jun-04", "
       31-Dec-68","01-Jan-69", "31-Dec-99")

.

dmy(paste0(sub("//d//d$","",xxx) , ifelse( (tt <- 
   sub("//d//d-//D//D//D-","",xxx)  ) > 20 ,paste0("19",tt),paste0("20",tt))))

Aunque ninguna solución es elegante ni corta. Creo que sería mejor si lubridate acaba de agregar una opción para especificar la fecha de corte.