strptime 的欧洲/莫斯科时区问题

Question

我正在开发一个执行一些时间序列操作的软件。我最近在我开发的 R 脚本方面发现了一个严重的问题；在具有Europe/Moscow 语言环境的特定机器上隔离了意外行为。问题归结为以下 sn-p：

strange_days <- c("2/1/1984", "3/1/1984", "4/1/1984", "5/1/1984", "6/1/1984") 
Sys.setenv(TZ='Europe/Moscow')
d <- strptime(strange_days, '%m/%d/%Y')
d
[1] "1984-02-01 MSK" "1984-03-01 MSK" "1984-04-01"     "1984-05-01 MSD" "1984-06-01 MSD"

一切似乎都能被正确识别。我认为由于这是每日数据，因此时区属性没有太大区别；痛苦的错误：

as.numeric(d)
[1] 444430800 446936400        NA 452203200 454881600

在转换为xts 对象之后显然会失败。

当前的解决方法是通过strptime(strange_days, '%m/%d/%Y', tz='GMT') 甚至Sys.setenv(TZ='GMT') 强制所有时区为格林威治标准时间；问题就这样消失了。

这是一个好习惯吗？代码在所有情况下都可靠吗？您会推荐哪些技术来避免类似问题？

1984 年 4 月 1 日发生了什么事？

编辑：this 和 this 问题表明这可能是导致问题的夏令时。

sessionInfo()
R version 3.1.0 (2014-04-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_United Kingdom.1252  LC_CTYPE=English_United Kingdom.1252    LC_MONETARY=English_United Kingdom.1252
[4] LC_NUMERIC=C                            LC_TIME=English_United Kingdom.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
[1] tools_3.1.0

编辑 2：问题显然是特定于 Windows 的，未在具有这些规范的 linux 上重现：

R version 3.1.0 (2014-04-10)
Platform: i686-pc-linux-gnu (32-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
[1] tools_3.1.0

Answer 1

在这种情况下，由于您对时间不感兴趣，而只对日期感兴趣，您可以使用as.Date：

> as.Date(strange_days,"%m/%d/%Y")
[1] "1984-02-01" "1984-03-01" "1984-04-01" "1984-05-01" "1984-06-01"

您面临的错误（正如您已经注意到的）很可能是由于夏令时：恰好 1984 年俄罗斯的 DST 专门从 4 月 1 日开始 (source)。

话虽如此，在运行 R 2.14.2（是的有点过时）的 Mac OSX 10.7.5 上，此错误不可重现：

> strange_days <- c("2/1/1984", "3/1/1984", "4/1/1984", "5/1/1984", "6/1/1984") 
> Sys.setenv(TZ='Europe/Moscow')
> d <- strptime(strange_days, '%m/%d/%Y')
> d
[1] "1984-02-01 MSK" "1984-03-01 MSK" "1984-04-01 MSD" "1984-05-01 MSD" "1984-06-01 MSD"
> as.numeric(d)
[1] 444430800 446936400 449611200 452203200 454881600

这表明在 R 版本 2.14.2 和 3.1.0 之间对 strptime 所做的更改之一修改了此行为。我目前正在更新日志中寻找它，但我还没有明确的证据。另一种可能性是它是特定于平台的。

另外这里是?strptime的摘录：

请记住，在大多数时区中，有些时候不会发生，有些时候会发生 两次因为转换到/从夏季时间。 strptime 没有 验证这样的时间（它不假设特定的时区），但是 as.POSIXct) 的转换会这样做。通过 strftime 转换和 格式化/打印使用操作系统工具，并且可能（并且在 Windows 上确实如此） 在 DST 转换时返回不存在时间的无意义结果。