日付ごとに感染者数を見たい場合や，ある期間に入院した人の数をカウントしたい場合など，日付データを取り扱う機会は多い． Rに問題なく読み込めるケースであれば加工は必要ないが，「2020年1月1日」というようにデータに日本語が含まれているケースもある． 今回はこの形式のデータをRのas.Dateに持ち込める形に変換することを考える．いろいろな方法があるが，ここではregexpr関数を使ってみる．まずは適当に日付を用意．
Date <- c("2020年1月1日","2020年1月8日","2020年1月15日","2020年1月22日","2020年1月29日")
作った日付データをDateに格納したが，ここからregexpr関数でこのDateから「年」，「月」，「日」の位置を調べる．そうすると，１つ目の「2020年1月1日」では，５番目に「年」，７番目に「月」，９番目に「日」があり，YY，MM，DDの１つ目にこれらの情報が入る．substr関数はある文字列から一部を取り出す関数であり，これを使って2020という情報を取り出す．取り出したい文字列の始まりと終わりの位置を指定することで，該当する数字が切り出せる．年にあたる情報は「2020年1月1日」の１番目から４番目，つまり「年」の文字の一つ手前までなので，substr(Date, 1, (YY-1))と書けばよい．切り出した情報をYear，Month，Dayに格納し，paste関数で合体，as.Date関数で日付に変換する．
YY <- regexpr("年", Date)
MM <- regexpr("月", Date)
DD <- regexpr("日", Date)
Year <- substr(Date, 1, (YY-1))
Month <- substr(Date, (YY+1), (MM-1))
Day <- substr(Date, (MM+1), (DD-1))
YMD <- as.Date(paste(Year, "-", Month, "-", Day, sep=""))
Date <- data.frame(Date_Original = Date, Date_R = YMD)
print(Date)
うまくいっていれば，下のような結果が出るはず．
Date_Original Date_R
1 2020年1月1日 2020-01-01
2 2020年1月8日 2020-01-08
3 2020年1月15日 2020-01-15
4 2020年1月22日 2020-01-22
5 2020年1月29日 2020-01-29