R語言 : as.Date() 中的小陷阱, time zone

 在HR資料處理中，其中一個關鍵便是出勤資料了。，通常完整的資料除了上班打卡時間 / 下班打卡時間以外，通常還需要一個欄位，將打卡的時間歸類於幾月幾號的工時，

例如:
2022/10/28 23:00上班 / 2022/10/29 09:00下班，而歸屬日期為10/28

但現實也不免為碰到不完整的資料無法進行判別，因此需要透過打卡時間或者班別來推斷日期，於是便於其中一個打卡時間萃取日期出來，然後應用as.Date()轉換就完成萃取。

但我們都沒想到的是，單純的使用as.Date( ) 卻會因為系統時差轉換而和我們心中的理想日期有所誤差。

as.Date("yyyy-mm-dd hh:mm:ss",tz = Sys.timezone())

因此我們需要tz 函數來執行細節設定好讓我們確認時間能夠和預期相符。

在此直接列出使用範例：

CHECK <- Time %>% mutate(as_date = as.Date(PUNCH_TIME),
         as_date_Taiwan = as.Date(PUNCH_TIME,tz = "Asia/Taipei"),#台灣
         as_date_Kolkata = as.Date(PUNCH_TIME,tz = "Asia/Kolkata"), #印度
         DIFF = ifelse((as_date!=as_date_Taiwan|
                        as_date!=as_date_Kolkata|
                        as_date_Taiwan!=as_date_Kolkata),1,0)) %>%
                filter(DIFF ==1)

CHECK %<>% filter(as_date_Taiwan != as_date_Kolkata)

CHECK_INDIA %<>% select(PUNCH_TIME, as_date,as_date_Taiwan,as_date_Kolkata)

印度時間早台灣2.5小時，因此投一筆資料會直接將日期轉換為2022-09-01而非我們預想的2022-09-02，請參考下圖:

處理資料充滿小小細節，共勉之!