R 为什么在datetime转换后会丢失某些日期？

编辑，下面的上一个问题：通过更改长数据格式（从“%d%b%Y%H:%M:%S”更改为“%Y-%M-%d”），NAs会丢失某些月份（5月、10月和12月）

这里是一个可复制的示例，其中5月和12月变为NA：

Time <- c("26 Apr 2019 12:14:05", "17 May 2019 12:07:31", "05 Jul 2019 07:43:51", "14 Dec 2019 21:48:47")

a <- c(1, 2, 3, 4)
b <- c(2, 4, 6, 1)
c <- c(3, 5, 9, 7)
d <- c(4, 3, 2, 1)

my.df <- data.frame(Time, A = a, B = b, C = c, D = d)

my.df$Time <- format(as.POSIXct(my.df$Time,"%d %b %Y %H:%M:%S",tz=""), format = "%Y-%m-%d")

my.df

        Time A B C D
1 2019-04-26 1 2 3 4
2       <NA> 2 4 5 3
3 2019-07-05 3 6 9 2
4       <NA> 4 1 7 1

---

计时您的代码
格式（如.POSIXct（“2019年5月17日12:07:31”，%d%b%Y%H:%M:%S”，tz=“UTC”），format=“%Y-%M-%d”）
适合我。最好提供
dput
，请阅读：谢谢，我创建了一个可复制的示例。@Timo可复制的示例在哪里？@jay.sf：谢谢jay.sf，在我的情况下，它不起作用（甚至更糟）：现在5月17日被设置为当前的本地日期。@毛里茨：我把它作为评论贴了出来，它被删除了。我现在编辑了答案，并将示例放在那里。很抱歉给您带来不便，我刚刚开始讨论这个问题。
df <- read.table("Diviner 2019-12 (Pro26).csv", skip = 9, dec = ".", sep = ",", stringsAsFactors = F)
names(df) <- df[1,]
df <- df[-c(1),]
head(df)
                  Time       10cm       20cm       30cm       40cm      50cm      60cm      70cm      80cm
2 05 Apr 2019 09:46:13  20.706751  26.204191  23.663700  18.041510  3.507654  5.644918  3.947458  0.926415
3 11 Apr 2019 08:36:32  18.457157  25.762735  23.822021  18.596792  3.829793  6.639636  4.313009  1.002555
4 19 Apr 2019 09:24:16  17.224855  24.033939  21.703968  16.956991  3.507654  6.827912  4.417910  1.046471
5 26 Apr 2019 12:14:05  16.603245  22.160437  19.541498  15.735872  3.237127  6.169124  3.987147  1.002555
6 10 May 2019 07:40:20  19.685282  22.467394  19.208130  14.976073  3.184556  5.620616  3.888364  0.959796
7 17 May 2019 12:07:31  16.823887  23.139757  20.706751  16.868202  3.470846  5.500014  3.714201  0.985313

df$Time <- format(as.POSIXct(df$Time,"%d %b %Y %H:%M:%S",tz="UTC"), format = "%Y-%m-%d")
head(df)
        Time       10cm       20cm       30cm       40cm      50cm      60cm      70cm      80cm      90cm
2 2019-04-05  20.706751  26.204191  23.663700  18.041510  3.507654  5.644918  3.947458  0.926415  1.304021
3 2019-04-11  18.457157  25.762735  23.822021  18.596792  3.829793  6.639636  4.313009  1.002555  1.440603
4 2019-04-19  17.224855  24.033939  21.703968  16.956991  3.507654  6.827912  4.417910  1.046471  1.574125
5 2019-04-26  16.603245  22.160437  19.541498  15.735872  3.237127  6.169124  3.987147  1.002555  1.397690
6       <NA>  19.685282  22.467394  19.208130  14.976073  3.184556  5.620616  3.888364  0.959796  1.484311
7       <NA>  16.823887  23.139757  20.706751  16.868202  3.470846  5.500014  3.714201  0.985313  1.429803