Lubridate解析日期警告

Question

当我尝试读取包含许多日期的vector a时，我会收到警告。

这是我用write(a,"a.txt")生成的vector a的文本文件。因为它很大，我已经把它附加到Google drive上，任何人都可以下载。基本上，它包含从2012-01-01到2012-12-31的日期，重复多次。

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

我试图这样做，但收到了一条警告消息。

> 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是错误的。但是，YYYY-MM-DD是lubridate支持的格式。当我对向量的一部分执行同样的操作时，什么也不会发生。

> 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，还是可以安全地忽略它？

Answer 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很大的空格隔开：

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 ...

Answer 2

使用anydate包的不同解决方案，这似乎是有效的。

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

# 0