Specificare un ordine con `parse_date_time()`

E se avessi qualcosa in un ordine davvero strano come dym_msh? Non esiste una funzione dedicata proprio a quell’ordine, ed è qui che entra in gioco parse_date_time(). parse_date_time() accetta un argomento aggiuntivo, orders, con cui puoi specificare l’ordine dei componenti della data.

Per esempio, per analizzare "2010 September 20th" puoi usare parse_date_time("2010 September 20th", orders = "ymd"), che è equivalente a usare la funzione ymd() dell’esercizio precedente.

Un vantaggio di parse_date_time() è che puoi usare più caratteri di formato. Ad esempio, puoi specificare i nomi dei giorni con A, I per l’ora a 12 ore, gli indicatori am/pm con p e molti altri. Trovi l’elenco completo nella pagina di help ?parse_date_time.

Un altro grande vantaggio è che puoi specificare un vettore di ordini, il che permette di analizzare date in cui possono essere usati più formati.

Lo proverai in questo esercizio.

Questo esercizio fa parte del corso

Lavorare con date e orari in R

Visualizza il corso

Istruzioni dell'esercizio

x è un datetime più complicato. Usa gli indizi nelle istruzioni per analizzare x.
two_orders ha due ordini diversi: analizzali entrambi specificando l’ordine come c("mdy", "dmy").
Analizza short_dates con orders = c("dOmY", "OmY", "Y"). Cosa succede alle date che non hanno mesi o giorni specificati?

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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 = ___)

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Lavorare con date e orari in R

IntermediárioNível de habilidade

4.8+

Inizia il corso gratis

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: Analizzare le date con lubridate Exercise 2: Scegliere la funzione di parsing corretta Exercise 3: Specificare un ordine con `parse_date_time()`

Esercizio in corso

Exercise 4: Meteo ad Auckland Exercise 5: Importa i dati meteo giornalieri Exercise 6: Importa i dati meteo orari Exercise 7: Estrarre parti di una data-ora Exercise 8: Cosa puoi estrarre?Exercise 9: Aggiungere etichette utili Exercise 10: Estrazione per il plotting Exercise 11: Estrazione per filtrare e riassumere Exercise 12: Arrotondare i datetime Exercise 13: Esercitati con l'arrotondamento Exercise 14: Arrotondare con i dati meteo

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