为什么 R 包 lubridate 无法解析多种格式的向量？

Question

我正在使用包lubridate 来解析异类格式日期的向量并将它们转换为字符串，如下所示：

parse_date_time(c('12/17/1996 04:00:00 PM','4/18/1950 0130'), c('%m/%d/%Y %I:%M:%S %p','%m/%d/%Y %H%M'))

这是结果：

[1] NA NA
Warning message:
All formats failed to parse. No formats found.

如果我删除第一个格式字符串中的%p，它会错误地解析第一个日期字符串，并且仍然不解析第二个，如下所示：

[1] "1996-12-17 04:00:00 UTC" NA                       
Warning message:
 1 failed to parse. 

字符串中的 4PM 时间在结果中被解析为 4AM。

有没有人经历过这种奇怪的行为？

Answer 1

这可能与您的系统区域设置有关。

• parse_date_time {lubridate}

  p : 区域设置中的 AM/PM 指示符。与 I 结合使用，而不与 H 结合使用。在某些语言环境中为空字符串。

由于不同的语言有不同的 AM/PM 字符串，如果您的语言环境不是英语，即使您指定 lubridate 也不会选择 AM/PM 指示符。

操作系统中的区域设置可以包括显示语言、时间格式、时区。我正在使用美国时区和中国语言环境的英文窗口，所以我也一直在与 AM/PM 进行时间解析。

Sys.getlocale("LC_TIME")
[1] "Chinese (Simplified)_China.936"

您可以在 parse_date_time {lubridate} 中指定语言环境，但一开始对我不起作用：

Sys.setlocale("LC_TIME", "en_US") 
[1] ""
Warning message:
In Sys.setlocale("LC_TIME", "en_US") :
  OS reports request to set locale to "en_US" cannot be honored

• locales {base}

  语言环境描述了程序国际化的各个方面。最初，R 语言环境的大多数方面都设置为“C”（这是 C 语言的默认设置，反映了北美的使用情况）。 strptime 用于 category = "LC_TIME"。

然后我找到了this 并用它成功了：

Sys.setlocale("LC_TIME", "C")
[1] "C"

在此之后解析工作：

parse_date_time('12/17/1996 04:00:00 PM', '%m/%d/%Y %I:%M:%S %p')
[1] "1996-12-17 16:00:00 UTC"

您还可以指定时区和语言环境

parse_date_time('12/17/1996 04:00:00 PM', '%m/%d/%Y %I:%M:%S %p', tz = "America/New_York", locale = "C")
[1] "1996-12-17 16:00:00 EST"

Answer 2

%p 部分的问题与语言环境有关。看到这个issue。

无法解析与 lubridate guesser 的工作方式有关。

lubridate 有两种方式推断格式，灵活和精确。通过 flex 匹配，所有数字元素都可以具有灵活的长度（例如 4 和 04 都可以使用），但是元素之间必须有非数字分隔符。对于精确匹配器，不需要非数字分隔符，但元素必须具有精确的位数（如 04）。

很遗憾，您不能将两个匹配器组合在一个表达式中。修复这个问题并保持 lubridate 解析器当前的灵活性将非常困难。

在你的例子中

> parse_date_time('4/18/1950 0130', 'mdY HM')
[1] NA
Warning message:
All formats failed to parse. No formats found. 

您想在日期部分4/18/1950 上执行弹性匹配并在时间部分0130 上执行精确匹配。

请注意，如果您的日期时间完全采用 flex 或完全采用 exact 格式，则解析将按预期工作：

> parse_date_time('04/18/1950 0130', 'mdY HM')
[1] "1950-04-18 01:30:00 UTC"
> parse_date_time('4/18/1950 1:30', 'mdY HM')
[1] "1950-04-18 01:30:00 UTC"

lubridate 1.4.1 通过向parse_date_time、exact=FALSE 添加新参数来“修复”此问题。当设置为TRUE 时，orders 参数被解释为包含精确的strptime 格式并且不执行猜测或训练。通过这种方式，您可以根据需要添加任意数量的精确格式，而且您还可以提高速度，因为根本不需要进行猜测。

> parse_date_time(c('12/17/1996 04:00:00','4/18/1950 0130'),
+                 c('%m/%d/%Y %I:%M:%S','%m/%d/%Y %H%M'),
+                 exact = T)
[1] "1996-12-17 04:00:00 UTC" "1950-04-18 01:30:00 UTC"

与此相关，有一个明确的requested 要求提供这样的选项。