Een volgorde opgeven met `parse_date_time()`

Wat als je iets hebt in een heel vreemde volgorde zoals dym_msh? Daar is geen benoemde functie speciaal voor, en precies daarvoor is parse_date_time() bedoeld. parse_date_time() heeft een extra argument, orders, waarmee je de volgorde van de onderdelen in de datum kunt opgeven.

Om bijvoorbeeld "2010 September 20th" te parsen, kun je parse_date_time("2010 September 20th", orders = "ymd") gebruiken; dat is gelijk aan de functie ymd() uit de vorige oefening.

Een voordeel van parse_date_time() is dat je meer formaatletters kunt gebruiken. Zo kun je weekdagnamen aangeven met A, I voor 12-uurs tijd, am/pm-indicatoren met p en nog veel meer. Je vindt de volledige lijst op de helppagina ?parse_date_time.

Een ander groot voordeel is dat je een vector met volgordes kunt opgeven, zodat je datums kunt parsen waarbij meerdere formaten door elkaar gebruikt worden.

In deze oefening ga je daarmee aan de slag.

Deze oefening maakt deel uit van de cursus

Werken met datums en tijden in R

Cursus bekijken

Oefeninstructies

x is een lastiger datetime. Gebruik de hints in de instructies om x te parsen.
two_orders heeft twee verschillende volgordes; parseer beide door de volgorde op te geven als c("mdy", "dmy").
Parse short_dates met orders = c("dOmY", "OmY", "Y"). Wat gebeurt er met de datums waarbij geen maand of dag is opgegeven?

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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 = ___)

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Werken met datums en tijden in R

SkillTag.level.intermediateSkillTag.label

4.8+

Begin de cursus 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: Datums parsen met lubridate Exercise 2: De juiste parse-functie kiezen Exercise 3: Een volgorde opgeven met `parse_date_time()`

Huidige oefening

Exercise 4: Weer in Auckland Exercise 5: Dagelijkse weersgegevens importeren Exercise 6: Uurlijkse weerdata importeren Exercise 7: Onderdelen uit een datetime halen Exercise 8: Wat kun je extraheren?Exercise 9: Handige labels toevoegen Exercise 10: Componenten extraheren voor visualisatie Exercise 11: Onderdelen extraheren om te filteren en te samenvatten Exercise 12: Datetimes afronden Exercise 13: Oefenen met afronden Exercise 14: Afronden met de weergegevens

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