Spécifier un ordre avec `parse_date_time()`

Et si vos données suivaient un ordre vraiment inhabituel comme dym_msh ? Il n’existe pas de fonction dédiée à cet ordre précis, et c’est là que parse_date_time() intervient. parse_date_time() accepte un argument supplémentaire, orders, qui permet d’indiquer l’ordre des composantes de la date.

Par exemple, pour analyser "2010 September 20th", vous pouvez écrire parse_date_time("2010 September 20th", orders = "ymd"), ce qui revient à utiliser la fonction ymd() de l’exercice précédent.

Un avantage de parse_date_time() est que vous pouvez utiliser davantage de caractères de format. Par exemple, vous pouvez indiquer les noms de jours avec A, utiliser I pour l’heure au format 12 h, p pour les indicateurs am/pm, et bien d’autres. Vous trouverez la liste complète dans l’aide ?parse_date_time.

Autre avantage majeur : vous pouvez fournir un vecteur d’ordres, ce qui permet d’analyser des dates présentes dans plusieurs formats différents.

Vous allez l’essayer dans cet exercice.

Cet exercice fait partie du cours

<cours>Travailler avec les dates et heures en R</cours>

Instructions de l’exercice

x est un datetime plus délicat. Servez-vous des indices des instructions pour analyser x.
two_orders comporte deux ordres différents ; analysez les deux en indiquant orders = c("mdy", "dmy").
Analysez short_dates avec orders = c("dOmY", "OmY", "Y"). Que se passe-t-il pour les dates sans mois ni jour spécifiés ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Specify an order string to parse x
x <- "Monday June 1st 2010 at 4pm"
___(x, orders = "___")

# Specify order to include both "mdy" and "dmy"
two_orders <- c("October 7, 2001", "October 13, 2002", "April 13, 2003", 
  "17 April 2005", "23 April 2017")
parse_date_time(two_orders, orders = ___)

# Specify order to include "dOmY", "OmY" and "Y"
short_dates <- c("11 December 1282", "May 1372", "1253")
parse_date_time(short_dates, orders = ___)

Modifier et exécuter le code

Cet exercice fait partie du cours

<cours>Travailler avec les dates et heures en R</cours>

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

R doesn't know something is a date or time unless you tell it. In this chapter you'll learn about some of the ways R stores dates and times by exploring how often R versions are released, and how quickly people download them. You'll also get a sneak peek at what you'll learn in the following chapters.

Exercise 1: Introduction to dates Exercise 2: Recognizing ISO 8601 dates Exercise 3: Specifying dates Exercise 4: Automatic import Exercise 5: Why use dates?Exercise 6: Plotting Exercise 7: Arithmetic and logical operators Exercise 8: What about times?Exercise 9: Getting datetimes into R Exercise 10: Datetimes behave nicely too Exercise 11: Why lubridate?

Dates and times come in a huge assortment of formats, so your first hurdle is often to parse the format you have into an R datetime. This chapter teaches you to import dates and times with the lubridate package. You'll also learn how to extract parts of a datetime. You'll practice by exploring the weather in R's birthplace, Auckland NZ.

Exercise 1: Analyser des dates avec lubridate Exercise 2: Choisir la bonne fonction d’analyse Exercise 3: Spécifier un ordre avec `parse_date_time()`

Exercice actuel

Exercise 4: La météo à Auckland Exercise 5: Importer des données météo quotidiennes Exercise 6: Importer des données météo horaires Exercise 7: Extraire des composantes d’un datetime Exercise 8: Que pouvez-vous extraire ?Exercise 9: Ajouter des libellés utiles Exercise 10: Extraction pour la visualisation Exercise 11: Extraire pour filtrer et agréger Exercise 12: Arrondir des dates-heures Exercise 13: Entraînez-vous au rapprochement Exercise 14: Arrondir avec les données météo

Getting datetimes into R is just the first step. Now that you know how to parse datetimes, you need to learn how to do calculations with them. In this chapter, you'll learn the different ways of representing spans of time with lubridate and how to leverage them to do arithmetic on datetimes. By the end of the chapter, you'll have calculated how long it's been since the first man stepped on the moon, generated sequences of dates to help schedule reminders, calculated when an eclipse occurs, and explored the reigns of monarch's of England (and which ones might have seen Halley's comet!).

Exercise 1: Taking differences of datetimes Exercise 2: How long has it been?Exercise 3: How many seconds are in a day?Exercise 4: Time spans.Exercise 5: Adding or subtracting a time span to a datetime Exercise 6: Duration or Period?Exercise 7: Arithmetic with timespans Exercise 8: Generating sequences of datetimes Exercise 9: The tricky thing about months Exercise 10: Intervals Exercise 11: Examining intervals. Reigns of kings and queens Exercise 12: Comparing intervals and datetimes Exercise 13: Converting to durations and periods

You now know most of what you need to tackle data that includes dates and times, but there are a few other problems you might encounter in practice. In this final chapter you'll learn a little more about these problems by returning to some of the earlier data examples and learning how to handle time zones, deal with times when you don't care about dates, parse dates quickly, and output dates and times.

Exercise 1: Time zones Exercise 2: Setting the timezone Exercise 3: Viewing in a timezone Exercise 4: Timezones in the weather data Exercise 5: Times without dates Exercise 6: More on importing and exporting datetimes Exercise 7: Fast parsing with fasttime Exercise 8: Fast parsing with lubridate::fast_strptime Exercise 9: Outputting pretty dates and times Exercise 10: Wrap-up