读取没有时区的字符日期时间答案

【问题标题】：Read character datetimes without timezones读取没有时区的字符日期时间
【发布时间】：2019-08-14 15:40:10
【问题描述】：

我正在尝试在 R 中导入一个包含日期时间的文本文件。时间以字符格式存储，没有时区信息，但我们知道它是法国时间（欧洲/巴黎）。

时区更改的日子出现问题：例如从2018-10-28 03:00:00 CEST 到2018-10-28 02:00:00 CET 有一个时间变化，因此我们的字符格式有重复，R 无法判断它是CEST 还是CET。

考虑以下示例：

data_in <- "date,val
2018-10-28 01:30:00,25
2018-10-28 02:00:00,26
2018-10-28 02:30:00,27
2018-10-28 02:00:00,28
2018-10-28 02:30:00,29
2018-10-28 03:00:00,30"

library(readr)
data <- read_delim(data_in, ",", locale = locale(tz = "Europe/Paris"))

我们最终在我们的日期中有重复：

data$date
[1] "2018-10-28 01:30:00 CEST" "2018-10-28 02:00:00 CEST" "2018-10-28 02:30:00 CET"  "2018-10-28 02:00:00 CEST"
[5] "2018-10-28 02:30:00 CET"  "2018-10-28 03:00:00 CET"

预期的输出是：

data$date
[1] "2018-10-28 01:30:00 CEST" "2018-10-28 02:00:00 CEST" "2018-10-28 02:30:00 CEST"  "2018-10-28 02:00:00 CET"
[5] "2018-10-28 02:30:00 CET"  "2018-10-28 03:00:00 CET"

知道如何解决问题（除了告诉人们使用 UTC 或 ISO 格式）。我想唯一的方法是假设日期是排序的，所以我们可以知道第一个是CEST。

【问题讨论】：

标签： r timezone lubridate posixct readr

【解决方案1】：

如果您确定您的时间总是在增加，那么您可以寻找明显的减少（一天中的时间）并手动将 TZ 偏移量插入到字符串中，然后照常解析。我添加了一些逻辑来仅在凌晨 2 点到 3 点左右寻找这种减少，这样如果您有多天的数据跨越午夜，您就不会收到误报。

data <- read.csv(text = data_in)
fakedate <- as.POSIXct(gsub("^[-0-9]+ ", "2000-01-01 ", data$date))
decreases <- cumany(grepl(" 0[23]:", data$date) & c(FALSE, diff(fakedate) < 0))
data$date <- paste(data$date, ifelse(decreases, "+0100", "+0200"))
data
#                        date val
# 1 2018-10-28 01:30:00 +0200  25
# 2 2018-10-28 02:00:00 +0200  26
# 3 2018-10-28 02:30:00 +0200  27
# 4 2018-10-28 02:00:00 +0100  28
# 5 2018-10-28 02:30:00 +0100  29
# 6 2018-10-28 03:00:00 +0100  30

as.POSIXct(data$date, format="%Y-%m-%d %H:%M:%S %z", tz="Europe/Paris")
# [1] "2018-10-28 01:30:00 CEST" "2018-10-28 02:00:00 CEST" "2018-10-28 02:30:00 CEST"
# [4] "2018-10-28 02:00:00 CET"  "2018-10-28 02:30:00 CET"  "2018-10-28 03:00:00 CET"

我对@987654322@ 的使用只是某个非夏令时日，因此我们可以将时间戳解析为POSIXt 并计算其差异。（如果我们没有插入日期，我们仍然可以使用带有格式的 as.POSIXct，但是如果您曾经在 DST 的两个日期之一运行它，您可能会得到不同的结果，因为 as.POSIXct("01:02:03", format="%H:%M:%S") 总是假定“今天”。

它的假设显然有点脆弱，但也许它足以满足您的需要。

【讨论】：