润滑解析日期警告答案

【问题标题】：Lubridate parse date warning润滑解析日期警告
【发布时间】：2013-11-21 04:31:14
【问题描述】：

当我尝试阅读包含许多日期的 vector a 时收到警告。

这是我使用write(a,"a.txt") 制作的vector a 的文本文件。由于它相当大，我已将其附在 Google 驱动器上供任何人下载。基本上，它包含从 2012-01-01 到 2012-12-31 的日期，重复了很多次。

https://drive.google.com/file/d/0B12dCpdCVHeSZjA4YmVXNmV6VUU/edit?usp=sharing

我尝试这样做并收到一条警告消息。

> head(ymd(a))
[1] "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC"
[6] "2012-01-01 UTC"
Warning message:
 7202 failed to parse.

查看警告消息，很容易假设日期格式错误。但是，YYYY-MM-DD 是 lubridate 支持的格式。当我对向量的一部分做同样的事情时，什么也没有发生。

> head(ymd(a[1:50000]))
[1] "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC" "2012-01-01 UTC"
[6] "2012-01-01 UTC"

使用strptime 和as.Date 也不会产生任何错误

> head(strptime(a,format="%Y-%m-%d"))
[1] "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01"
> head(as.Date(a))
[1] "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01" "2012-01-01"

我的问题是，我需要担心警告消息还是可以放心地忽略它？

【问题讨论】：

我从第 122241 行开始得到类似“2012-03-01(1)”的值。我不知道可能是我错了，但正因为如此，您可能会收到警告。
啊，就是这样。谢谢！

标签： r lubridate

【解决方案1】：

> b <- which( is.na( ymd(as.character(a[[1]]), tz="UTC") ) )
Warning message:
 7202 failed to parse. 
> head(b)
[1] 122241 122242 122243 122244 122245 122246
> as.character(a[[1]])[head(b)]
[1] "2012-03-01(1)" "2012-03-01(1)" "2012-03-01(1)" "2012-03-01(1)" "2012-03-01(1)"
[6] "2012-03-01(1)"

看起来有一串这样的异常日期被大间隔隔开：

rle( diff(b) )
Run Length Encoding
  lengths: int [1:15] 1183 1 831 1 928 1 605 1 639 1 ...
  values : int [1:15] 1 111657 1 29857 1 26065 1 25111 1 65729 ...

【讨论】：

这是一个很好的答案，但如果我们可以直接访问导致警告的数据，那仍然会很好。

【解决方案2】：

使用 anydate 包的不同解决方案，似乎可行。

library(anydate)
text <- anydate(a[, 1])
sum(is.na(text)) 

# 0

【讨论】：