如何安全地存储时间戳之间的毫秒差异？

Question

这是一个与 R 中的浮点近似值和时间戳相关的地狱般的问题。准备好:) 考虑这个简单的例子：

library(tibble)
library(lubridate)
library(dplyr)

tibble(timestamp_chr1 = c('2014-01-02 01:35:50.858'),
       timestamp_chr2 = c('2014-01-02 01:35:50.800')) %>% 
  mutate(time1 = lubridate::ymd_hms(timestamp_chr1),
         time2 = lubridate::ymd_hms(timestamp_chr2),
         timediff = as.numeric(time1 - time2))


# A tibble: 1 x 5
  timestamp_chr1          timestamp_chr2          time1                      time2                       timediff
  <chr>                   <chr>                   <dttm>                     <dttm>                         <dbl>
1 2014-01-02 01:35:50.858 2014-01-02 01:35:50.800 2014-01-02 01:35:50.858000 2014-01-02 01:35:50.799999 0.0580001

这里两个 timestasmps 之间的时间差显然是 58 毫秒，但 R 用一些浮点近似值存储它，因此它显示为 0.058001 秒。

获得准确 58 毫秒作为 asnwer 的最安全方法是什么？我考虑过使用 as.integer（而不是 as.numeric），但我担心会丢失一些信息。这里可以做什么？

谢谢！

Answer 1

一些注意事项，有些我想你已经知道了：

浮点数很少会给你完美 58 毫秒（由于 R FAQ 7.31 和 IEEE-754）；
显示的数据可以在控制台上使用 options(digits.secs=3)（和 digits=3）进行管理，在报告中使用 sprintf、format 或 round；
计算 "goodness"如果在计算前先四舍五入可以提高；虽然这有点繁琐，但只要我们可以安全地假设数据至少精确到毫秒，这在数学上是成立的。

不过，如果您担心在数据中引入错误，另一种方法是编码为毫秒（而不是 R 范数秒）。如果你可以选择一个任意的和最近的（24 天以内）参考点，那么你可以用正常的 integer 来做，但如果这不够或者你更喜欢使用 epoch 毫秒，那么你需要跳转到 64 位整数，也许用 bit64.

now <- Sys.time()
as.integer(now)
# [1] 1583507603
as.integer(as.numeric(now) * 1000)
# Warning: NAs introduced by coercion to integer range
# [1] NA
bit64::as.integer64(as.numeric(now) * 1000)
# integer64
# [1] 1583507603439

如何安全地存储时间戳之间的毫秒差异？

how to safely store millisecond differences between timestamps?

r

floating-point

timestamp

lubridate

nanotime