R 从csv导入的时间戳中的时区
我有一个从csv文件(从.xlsx转换而来)导入的数据帧,其中包含R 从csv导入的时间戳中的时区,r,csv,datetime,posixct,timestamp-with-timezone,R,Csv,Datetime,Posixct,Timestamp With Timezone,我有一个从csv文件(从.xlsx转换而来)导入的数据帧,其中包含fread。导入后,class(inputData$timestamp)是Posixct,attr(inputData$timestamp,“tzone”)是” 正如线程中所解释的,我试图按天分割数据帧,但它们在凌晨2点被分割: byDay <- split(inputData, as.Date(inputData$timestamp)) > byDay[[1]] timestamp val
fread
。导入后,class(inputData$timestamp)
是Posixct
,attr(inputData$timestamp,“tzone”)
是”
正如线程中所解释的,我试图按天分割数据帧,但它们在凌晨2点被分割:
byDay <- split(inputData, as.Date(inputData$timestamp))
> byDay[[1]]
timestamp value
1 2016-09-05 00:01:00 0
2 2016-09-05 00:02:00 0
3 2016-09-05 00:03:00 0
[...]
118 2016-09-05 01:58:00 0
119 2016-09-05 01:59:00 0
>byDay[[2]]
timestamp value
120 2016-09-05 02:00:00 0
121 2016-09-05 02:01:00 0
122 2016-09-05 02:02:00 0
[...]
1558 2016-09-06 01:58:00 0
1559 2016-09-06 01:59:00 0
我对时区不感兴趣,所以我尝试将所有日期设置为UTC:
> attr(inputData$timestamp, "tzone") <- "UTC"
> byDay <- split(inputData, as.Date(inputData$timestamp))
> byDay[[1]]
timestamp apAvg
1 2016-09-04 22:01:00 0
2 2016-09-04 22:02:00 0
3 2016-09-04 22:03:00 0
[...]
117 2016-09-04 23:57:00 0
118 2016-09-04 23:58:00 0
119 2016-09-04 23:59:00 0
>attr(inputData$timestamp,“tzone”)byDay byDay[[1]]
时间戳apAvg
1 2016-09-04 22:01:00 0
2 2016-09-04 22:02:00 0
3 2016-09-04 22:03:00 0
[...]
117 2016-09-04 23:57:00 0
118 2016-09-04 23:58:00 0
119 2016-09-04 23:59:00 0
这意味着时间戳实际上从22:00开始。但是在csv文件中,第一个时间戳是05.09.2016 00:00:00
,我看不到时区格式的迹象。
时区问题是否仍有可能来自csv文件?
还是我在R中处理时间戳错误?
如何准确地处理这个问题?在从字符串解析时,我会按照@alistaire的建议设置时区。事实上,从那以后似乎就发生了这种情况
attr(inputData$timestamp,“tzone”)
是“
然后,“
是将数据设置为本地时区的默认设置
问题在于,在将作为.Date
与类POSIXct
输入一起使用时,tz
的默认值是“UTC”
,而不是您的本地时区。要获得您想要的:
“UTC”
拆分中使用作为.Date(inputData$timestamp,tz=”“)
inputData<- structure(list(timestamp = structure(c(1473048000, 1473051600,
1473055200, 1473058800, 1473062400, 1473066000, 1473069600, 1473073200,
1473076800, 1473080400, 1473084000, 1473087600, 1473091200, 1473094800,
1473098400, 1473102000, 1473105600, 1473109200, 1473112800, 1473116400,
1473120000, 1473123600, 1473127200, 1473130800, 1473134400, 1473134460,
1473134520, 1473134580), class = c("POSIXct", "POSIXt"), tzone = ""),
value = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L)), .Names = c("timestamp", "value"), row.names = c(NA,
-28L), class = "data.frame")
## timestamp value
##1 2016-09-05 00:00:00 0
##2 2016-09-05 01:00:00 0
##3 2016-09-05 02:00:00 0
##4 2016-09-05 03:00:00 0
##5 2016-09-05 04:00:00 0
##6 2016-09-05 05:00:00 0
##7 2016-09-05 06:00:00 0
##8 2016-09-05 07:00:00 0
##9 2016-09-05 08:00:00 0
##10 2016-09-05 09:00:00 0
##11 2016-09-05 10:00:00 0
##12 2016-09-05 11:00:00 0
##13 2016-09-05 12:00:00 0
##14 2016-09-05 13:00:00 0
##15 2016-09-05 14:00:00 0
##16 2016-09-05 15:00:00 0
##17 2016-09-05 16:00:00 0
##18 2016-09-05 17:00:00 0
##19 2016-09-05 18:00:00 0
##20 2016-09-05 19:00:00 0
##21 2016-09-05 20:00:00 0
##22 2016-09-05 21:00:00 0
##23 2016-09-05 22:00:00 0
##24 2016-09-05 23:00:00 0
##25 2016-09-06 00:00:00 0
##26 2016-09-06 00:01:00 0
##27 2016-09-06 00:02:00 0
##28 2016-09-06 00:03:00 0
使用带有默认tz
参数的as.Date
执行拆分
:
byDay <- split(inputData, as.Date(inputData$timestamp))
byDay[[1]]
## timestamp value
##1 2016-09-05 00:00:00 0
##2 2016-09-05 01:00:00 0
##3 2016-09-05 02:00:00 0
##4 2016-09-05 03:00:00 0
## ...
##17 2016-09-05 16:00:00 0
##18 2016-09-05 17:00:00 0
##19 2016-09-05 18:00:00 0
##20 2016-09-05 19:00:00 0
byDay[[2]]
## timestamp value
##21 2016-09-05 20:00:00 0
##22 2016-09-05 21:00:00 0
##23 2016-09-05 22:00:00 0
##24 2016-09-05 23:00:00 0
##25 2016-09-06 00:00:00 0
##26 2016-09-06 00:01:00 0
##27 2016-09-06 00:02:00 0
##28 2016-09-06 00:03:00 0
当您从字符串解析到POSIXct时,您应该真正解决这个问题,而不是在事后,或者无论您是更改时区(即也调整小时数)还是只是切换时区(即更改数据),它都变得非常模糊。相反,在
中指定tz
为.POSIXct
或您正在使用的任何解析函数。请参阅如何就此提问。如果您的输入(或其简化版本)为X,则显示dput(X)
的输出。@alistaire在as.POSIXct
中设置tz=”“
。还有一种更为一致的方法,可以在解析时而不是在以后获得正确的时区。谢谢。@G.Grothendieck谢谢你的提醒。但是我不能在这里发布csv文件,因此我不知道如何为其他人提供示例输入以重现问题。如果足够,请显示dput(InputData)
或dput(head(InputData))
的输出。我使用了@alistaire的方法,仍然是有用的答案。
attr(inputData$timestamp, "tzone")
##[1] ""
byDay <- split(inputData, as.Date(inputData$timestamp))
byDay[[1]]
## timestamp value
##1 2016-09-05 00:00:00 0
##2 2016-09-05 01:00:00 0
##3 2016-09-05 02:00:00 0
##4 2016-09-05 03:00:00 0
## ...
##17 2016-09-05 16:00:00 0
##18 2016-09-05 17:00:00 0
##19 2016-09-05 18:00:00 0
##20 2016-09-05 19:00:00 0
byDay[[2]]
## timestamp value
##21 2016-09-05 20:00:00 0
##22 2016-09-05 21:00:00 0
##23 2016-09-05 22:00:00 0
##24 2016-09-05 23:00:00 0
##25 2016-09-06 00:00:00 0
##26 2016-09-06 00:01:00 0
##27 2016-09-06 00:02:00 0
##28 2016-09-06 00:03:00 0
byDay <- split(inputData, as.Date(inputData$timestamp,tz=""))
byDay[[1]]
## timestamp value
##1 2016-09-05 00:00:00 0
##2 2016-09-05 01:00:00 0
##3 2016-09-05 02:00:00 0
##4 2016-09-05 03:00:00 0
## ...
##21 2016-09-05 20:00:00 0
##22 2016-09-05 21:00:00 0
##23 2016-09-05 22:00:00 0
##24 2016-09-05 23:00:00 0
byDay[[2]]
## timestamp value
##25 2016-09-06 00:00:00 0
##26 2016-09-06 00:01:00 0
##27 2016-09-06 00:02:00 0
##28 2016-09-06 00:03:00 0