将包含时区的日期字符串转换为R中的POSIXct

Question

我有一个带有日期的矢量，格式如下(以前6行为例):

 Dates<-c(
   "Sun Oct 04 20:33:05 EEST 2015",
   "Sun Oct 04 20:49:23 EEST 2015",
   "Sun Oct 04 21:05:25 EEST 2015",
   "Mon Sep 28 10:02:38 IDT 2015", 
   "Mon Sep 28 10:17:50 IDT 2015",
   "Mon Sep 28 10:39:48 IDT 2015")

我试图读取这个变量Dates到R使用as.Date()函数:

as.Date(Dates,format = "%a %b %d %H:%M:%S %Z %Y")

，但输入中不支持%Z参数，进程失败。在整个矢量上，时区是不同的。有哪些替代方法可以根据时区正确读取数据?

Answer 1

这个解决方案需要一些简化的假设。假设矢量中有许多元素，最好的方法是使用时区偏移数据库来确定每个时间(在选定的区域设置中，例如GMT)。我使用的时区数据是来自https://timezonedb.com/download

的timezone.csv文件。

#Create sample data
Dates<-c(
  "Sun Oct 04 20:33:05 EEST 2015",
  "Sun Oct 04 20:49:23 EEST 2015",
  "Sun Oct 04 21:05:25 EEST 2015",
  "Mon Sep 28 10:02:38 IDT 2015", 
  "Mon Sep 28 10:17:50 IDT 2015",
  "Mon Sep 28 10:39:48 IDT 2015")
#separate timezone string from date/time info
no_timezone <- paste(substr(Dates, 1, 19), substr(Dates, nchar(Dates)-3, nchar(Dates)))
timezone <- as.data.frame(substr(Dates, 21, nchar(Dates)-5))
colnames(timezone) <- "abbreviation"
#reference timezone database to get offsets from GMT
timezone_db <- read.csv(file="timezonedb/timezone.csv", header=FALSE)
colnames(timezone_db) <- c("zone_id", "abbreviation", "time_start", "gmt_offset", "dst")
timezone_db <- timezone_db[timezone_db$dst == 0, ]
timezone_db <- unique(timezone_db[,c("abbreviation", "gmt_offset")])
timezone_db <- timezone_db[!duplicated(timezone_db$abbreviation), ]
#adjust all time to GMT
time_adjust <- merge(timezone, timezone_db, all.x=TRUE, by="abbreviation")
gmt_time <- strptime(no_timezone, format = "%a %b %d %H:%M:%S %Y", tz="GMT")
#final data
Dates_final <- gmt_time - time_adjust$gmt_offset

根据您需要的数据的精确程度，在必要时要小心调整夏令时。另外，我不太了解时区，但我注意到，由于某种原因，某些时区可以有多个偏移量。在原始数据库中，由于某些原因，CLT(智利时间)可能与GMT相差3-5小时。

对于这个练习，我的代码只是从数据库中获取每个时区的第一个偏移量，并且假设没有夏令时。如果你的工作不需要如此精确，这可能就足够了，但你应该用任何一种方法来QA和验证你的工作。

还要注意，该解决方案对于日期更改也应该是健壮的。例如，如果时间从凌晨1点调整到晚上11点，那么日期应该返回一天。