R语言fread导入数据后不同日期转换方法致all.equal返回FALSE的问题

这个现象完全和R中Date类型的内部存储逻辑、对象属性校验规则直接相关，和日期值本身的计算准确性没有关系：

• R语言的Date类型本质是一个数值向量，存储的是「距离1970-01-01的天数」，只要向量被加上class = "Date"的属性，就会被识别为日期类型，和其他元属性无关。
• 不同转换函数生成的同值Date向量，附带的元属性并不一致：
  • 基础R的as.Date(as.character(x), format="%Y%m%d")生成的Date，只会保留class这一个属性，没有额外信息。
  • anytime包的anydate()因为要兼容Date和带时区的POSIXct类型，内部会统一走时区处理逻辑，哪怕最后返回的是Date类型，也会自动把当前系统时区作为tzone属性附在向量上。
• 这就造成了校验函数的结果矛盾：
  • 手动逐元素用==比对时，R会自动忽略所有不影响数值计算的附加属性，只比对底层存储的天数，所以你看不到任何差异。
  • identical()会严格比对对象的所有细节，包括每一个附带属性的名称、长度、取值，哪怕两个向量存的天数完全一样，只要附带的属性有差异，就会返回FALSE。
  • all.equal()默认也会检查对象的属性一致性，发现属性差异就会判定不等——你可以把all.equal()的返回值打印出来，它一般会明确提示“两个对象的属性数量/名称存在差异”，这就是之前校验不通过的核心原因。

可以用几行代码快速复现这个差异：

# base方法生成的Date
d_base <- as.Date(as.character(20200131), format = "%Y%m%d")
attributes(d_base)
# 输出: $class
# [1] "Date"

# anydate生成的同值Date
d_any <- anydate(20200131)
attributes(d_any)
# 输出: $class
# [1] "Date"
# $tzone
# [1] "Asia/Shanghai"

针对百万行规模的数据集，完全不需要逐行循环，用向量化操作即可在毫秒级完成全量校验，同时排除属性差异的干扰：

• 第一步：提取两个待比对的日期向量，剥离多余的附加属性，消除无关差异的影响

  col_base <- data.dt_1$date_col_1
  col_any <- data.dt_2$date_col_1
  
  # 移除anydate生成的多余tzone属性
  attr(col_base, "tzone") <- NULL
  attr(col_any, "tzone") <- NULL
  

• 第二步：做全量的数值与缺失值校验

  # 统计非NA值中，天数值不匹配的行数
  value_mismatch <- sum(col_base != col_any, na.rm = TRUE)
  # 统计NA值位置不匹配的行数（避免某一种方法把合法值错转为NA）
  na_position_mismatch <- sum(is.na(col_base) != is.na(col_any))
  
  # 输出校验结果
  cat("数值不匹配的行数：", value_mismatch, "\nNA位置不匹配的行数：", na_position_mismatch, "\n")
  

• 判定标准非常明确：只要两个不匹配的计数都是0，就可以认为两种转换方法的结果完全一致。

额外提示：anydate()解析8位YYYYMMDD格式数值的逻辑，和基础R在绝大多数场景下是一致的，但需要注意边缘场景——比如早于1900年的日期、原始数值存储时出现前导零丢失的情况，上述校验步骤可以直接抓出这类解析差异。

内容的提问来源于stack exchange，提问作者aimbotter21