R语言中as.POSIXct处理夏令时不一致数据的行为解析请求

这事儿本质是夏令时（DST）切换搞的鬼，咱们一步步把它说清楚：

先还原你的代码和运行现象 #

ts <- c("2018-03-24 23:00:00", "2018-03-25 01:00:00", "2018-03-25 01:15:00", "2018-03-25 01:30:00", "2018-03-25 01:45:00", "2018-03-25 02:00:00")
as.POSIXct(ts)
# [1] "2018-03-24 CET" "2018-03-25 CET" "2018-03-25 CET" "2018-03-25 CET" "2018-03-25 CET" "2018-03-25 CET"
as.POSIXct(ts[1:5])
# [1] "2018-03-24 23:00:00 CET" "2018-03-25 01:00:00 CET" "2018-03-25 01:15:00 CET" "2018-03-25 01:30:00 CET" "2018-03-25 01:45:00 CET"
diff(as.POSIXct(ts))
# Time differences in hours
# [1]  2.00  0.25  0.25  0.25  1.00
diff(as.POSIXct(ts[1:5]))
# Time differences in hours
# [1] 2.00 0.25 0.25 0.25

核心原因：中欧时区的夏令时切换 #

你的R会话默认用的是CET（中欧时间）时区，2018年3月25日凌晨2点是夏令时启动的时间点——时钟会直接从2:00跳到3:00，也就是说2018-03-25 02:00:00这个时间在CET时区是根本不存在的。

1. 为什么as.POSIXct的显示格式不一样？ #

当你转换整个ts向量时，因为包含了那个无效的2点时间，R会自动把它映射到夏令时生效后的有效时间2018-03-25 03:00:00。同时，R为了让输出格式统一，会简化所有时间的显示（只展示日期和时区），不再显示时分秒。

而当你只转换前5个元素（不含那个无效时间）时，所有时间都是合法的冬令时时间，R就会正常显示完整的时分秒信息。

2. 为什么diff()的最后结果不符合预期？ #

看diff(as.POSIXct(ts))的最后一个值是1.00小时，而不是你预期的0.25小时：

• 倒数第二个时间2018-03-25 01:45:00 CET是冬令时，对应UTC时间是2018-03-25 00:45:00
• 最后那个无效的2018-03-25 02:00:00被R自动转换为2018-03-25 03:00:00 CEST（夏令时，CEST比UTC快2小时），对应UTC时间是2018-03-25 01:00:00
• 两者的UTC时间差为1小时，这就是diff结果显示1.00小时的原因——R会基于底层的UTC时间计算差值，而非表面的本地时间。

怎么避免这种问题？ #

最稳妥的方式是使用UTC时区处理时间（UTC没有夏令时切换，时间线完全连续）：

# 指定UTC时区转换
as.POSIXct(ts, tz = "UTC")
# 输出会保留完整时分秒：
# [1] "2018-03-24 23:00:00 UTC" "2018-03-25 01:00:00 UTC" "2018-03-25 01:15:00 UTC" "2018-03-25 01:30:00 UTC" "2018-03-25 01:45:00 UTC" "2018-03-25 02:00:00 UTC"

# 此时diff结果完全符合预期
diff(as.POSIXct(ts, tz = "UTC"))
# Time differences in hours
# [1] 2.00 0.25 0.25 0.25 0.25

内容的提问来源于stack exchange，提问作者lejon