data.table::hour()函数是否存在不稳定问题？

问题原因 #

这个异常和夏令时切换直接相关。2014年欧盟地区的夏令时从3月30日开始，时钟在凌晨2点直接跳至3点，也就是说2014-03-31 03:08:07这个时间在默认时区（如CET/CEST）是不存在的无效时间戳。

在早期data.table版本中，单个处理无效时间时hour()会返回0；当向量中混入无效时间戳时，整个向量化计算逻辑会被破坏，导致所有结果返回0，这属于版本bug。

复现代码 #

library(data.table)
someTimestamps = c("2014-03-30 03:08:07", 
                   "2014-03-30 09:08:07", 
                   "2014-03-31 03:08:07", # 无效时间戳
                   "2014-03-31 09:08:07",
                   "2014-04-01 03:08:07",
                   "2014-04-01 09:08:07")

# 单个处理时，无效时间返回0
for (i in 1:6) print(hour(someTimestamps[i]))
# 输出：
# [1] 3
# [1] 9
# [1] 0
# [1] 9
# [1] 3
# [1] 9

# 向量处理时全部返回0
print(hour(someTimestamps))  # 输出 [1] 0 0 0 0 0 0

# 移除无效时间后恢复正常
print(hour(someTimestamps[c(1:2, 4:6)]))  # 输出 [1] 3 9 9 3 9

解决方案 #

1. 升级data.table版本：后续版本已修复该bug，升级后向量化计算不会完全失效，无效时间会返回NA而非0，且不影响其他有效时间的结果。
2. 指定无夏令时时区：转换时间戳时使用UTC时区（无夏令时切换问题）：

   ts_utc = as.POSIXct(someTimestamps, tz = "UTC")
   hour(ts_utc) # 所有时间正常返回对应小时
   

3. 提前过滤无效时间：先验证时间有效性，只处理合法时间戳：

   ts = as.POSIXct(someTimestamps)
   valid_ts = !is.na(ts)
   hour(ts[valid_ts]) # 仅处理有效时间
   

4. 字符串提取替代：如果无法升级包，可通过字符串提取获取小时（适合格式固定的时间戳）：

   sub(".* (\\d{2}):.*", "\\1", someTimestamps) |> as.integer()
   

补充说明 #

minute()等其他时间提取函数也会出现类似问题，本质都是无效时间戳触发的内部逻辑异常。更换年份后功能正常，是因为其他年份的夏令时切换日期不同，该时间点在对应年份属于有效时间。

内容的提问来源于stack exchange，提问作者GerasimosPanagiotakopoulos