0

Tengo un df de este estilo, con fechas en formato "fecha" y en formato "numérico":

    df <- read.table(text = '
    col1        col2        col3    col4
    NA           NA           NA    45535
    31/08/2024  31/08/2024  45535   45535
    31/08/2024  NA          45535   45535
    31/08/2024  NA          45535   45535
    31/08/2024  31/08/2024  45535   45535
    31/08/2024  31/08/2024  45535   45535
    31/08/2024  31/08/2024  45535   45535
    31/08/2024  31/08/2024  45535   45535
    31/08/2024  31/08/2024  45535   45535',
header = TRUE, colClasses = "character",stringsAsFactors = FALSE, na.strings = 'NA')

Los datos siempre vienen en formato character y no sé de antemano que columna va a ser fecha y cual numérico.

Estoy buscando la forma de pasarlo todo a formato fecha.

Si aplico as.Date los datos que vienen como número se convierten en NA. (col3, col4)

Si lo paso a numérico y luego a fecha, ahora son los que tienen formato fecha los que pasan a NA.

Podría decir que cuente el número de caracteres de los datos de la segunda fila y si tiene 5 que los pase a un formato y el resto a otro. Pero si me llega otro fichero donde en esa segunda fila hay un NA ya no sabe si tiene 5 caracteres y me da error.

Tampoco me ha servido cambiar los NA por algún valor, hacer la transformación de las fechas y luego quitar el valor por NA.

Seguramente en sencillo pero no doy con la tecla.

3 respuestas 3

1

Una alternativa para esto puede ser creando una función que identifique primero el tipo de dato en una columna, y luego aplicar el cambio de formato de fechas. En este caso, acá hay un ejemplo de una función que identifica que columnas tienen este char "/" y aplica el reformato de fechas, y lo mismo para el resto de las otras columnas. En este caso la función no altera los NA, por lo que quedan igual.

convert_to_date <- function(data) {
  for (col in names(data)) {
    if (any(grepl("/", data[[col]], fixed = TRUE))) {
      data[[col]] <- as.Date(data[[col]], format = "%d/%m/%Y")
    } else if (any(!grepl("/", data[[col]], fixed = TRUE))) {
      data[[col]] <- as.Date(as.numeric(data[[col]]), origin = "1899-12-30")
    }
  }
  return(data)
}

# Aplicamos la función sobre la data:
data |> convert_to_date()

# Resultado:
        col1       col2       col3       col4
1       <NA>       <NA>       <NA> 2024-08-31
2 2024-08-31 2024-08-31 2024-08-31 2024-08-31
3 2024-08-31       <NA> 2024-08-31 2024-08-31
4 2024-08-31       <NA> 2024-08-31 2024-08-31
5 2024-08-31 2024-08-31 2024-08-31 2024-08-31
6 2024-08-31 2024-08-31 2024-08-31 2024-08-31
7 2024-08-31 2024-08-31 2024-08-31 2024-08-31
8 2024-08-31 2024-08-31 2024-08-31 2024-08-31
9 2024-08-31 2024-08-31 2024-08-31 2024-08-31
1

Dado que esta pregunta está muy relacionada con esta Problemas con fechas, entonces la respuesta de aquella también resuelve este problema:

corregir_fechas <- function(x){
  fecha <- rep(as.Date("22/01/2019", format = "%d/%m/%Y"), length(x))
  ind <- grepl("/", x)
  fecha[ind] <- as.Date(x[ind], format = "%d/%m/%Y")
  fecha[!ind] <- as.Date(as.numeric(x[!ind]), origin = "1899-12-30")
  return(fecha)
}


df %>% 
  mutate(across(everything(), ~corregir_fechas(.x)))
        col1       col2       col3       col4
1       <NA>       <NA>       <NA> 2024-08-31
2 2024-08-31 2024-08-31 2024-08-31 2024-08-31
3 2024-08-31       <NA> 2024-08-31 2024-08-31
4 2024-08-31       <NA> 2024-08-31 2024-08-31
5 2024-08-31 2024-08-31 2024-08-31 2024-08-31
6 2024-08-31 2024-08-31 2024-08-31 2024-08-31
7 2024-08-31 2024-08-31 2024-08-31 2024-08-31
8 2024-08-31 2024-08-31 2024-08-31 2024-08-31
9 2024-08-31 2024-08-31 2024-08-31 2024-08-31

La ventaja de este enfoque sobre el de @Patricio Moracho es que en el de él, el loop del lapply recorre todas las columnas convirtiéndolas en numéricas y luego a fecha, esto es válido para los formatos como 45535 pero al encontrar columna con formato 31/08/2024 va a generar un NA para toda la columna, lo cual lo resuelve haciendo una prueba lógica con is.na y aplican el formato correcto. Esto en un contexto de un data.frame de considerable tamaño este enfoque no es deseable, puesto que hace operaciones innecesarias sin considerar a estructura del dato. Por otro lado, el enfoque de @Isaac tiene una mejor lógica, pues empieza identicando los patrones para aplicar la transformación correcta sin duplicar proceso como en caso de Patricio, no obstante, se basa en un for loop, cuando ya existen funciones vectorizadas que son más eficientes para dicha comparación, como el caso de grepl. Así, teniendo en cuenta el enfoque de Isaac y evitando duplicidad de esfuerzo se presenta esta versión.

0

Esta es otra aproximación:

to_date <- function(x) {
  suppressWarnings({
     d <- as.Date(as.numeric(x), origin = "1899-12-30")
     if (all(is.na(d))) {
      d <- as.Date(x, format = "%d/%m/%Y")
     }
  })
 d
}

Simplemente si falla un criterio de conversión probamos el otro. El suppressWarnings() es estético y se puede obviar, es solo para no ver los warnings por las conversiones que sabemos de antemano van a fallar.

La aplicación a todo el Data.Frame puede hacerse así:

as.data.frame(lapply(df, to_date))

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.