Работа с датами на языке R (базовые возможности, а также пакеты lubridate и timeperiodsR)

Получить текущую дату в любом языке программирования, операция эквивалентная «Hello world!». Язык R не является исключением.

В этой статье мы разберёмся с тем, как устроена работа с датами в базовом синтаксисе языка R, а также рассмотрим несколько полезных пакетов, расширяющих его возможности при работе с датами:

  • lubridate — пакет позволяющий производить арифметические вычисления между датами;
  • timeperiodsR — пакет для работы с временными интервалами и их компонентами.

Впервые статья была опубликована на Хабре

https://habr.com/ru/post/469215/

Содержание

Если вы интересуетесь анализом данных, и в частности языком R, возможно вам будут интересны мои telegram и youtube каналы. Большая часть контента которых посвящена языку R.

  1. Работа с датами в базовом синтаксисе R
    1.1. Преобразование текста в дату
    1.2. Извлечение компонентов даты в базовом R
  2. Работа с датами с помощью пакета lubridate
    2.1. Преобразование текста в дату с помощью lubridate
    2.2. Извлечение компонентов дат с помощью пакета lubridate
    2.3. Арифметические операции с датами
  3. Упрощённая работа с периодами, пакет timeperiodsR
    3.1. Временные интервалы в timeperiodsR
    3.2. Фильтрация вектора дат с помощью timeperiodsR
  4. Заключение

Работа с датами в базовом синтаксисе R

Преобразование текста в дату

В базовом R присутствует набор функций для работы с датами. Минус базового синтаксиса заключается в том, что регистр имён и аргументов функций очень разрознен, и практически не имеет логической связи. Тем не менее, базовые функции языка надо знать, поэтому начнём мы именно с них.

Наиболее часто при загрузке данных в R, из csv файлов, или других источников, вы получаете дату в виде текста. Для того, что бы привести этот текст к правильному типу данных используйте функцию as.Date().

# создаём текстовый вектор с датами
my_dates <- c("2019-09-01", "2019-09-10", "2019-09-23")

# проверяем тип данных
class(my_dates)
#> [1] "character"
# преобразуем текст в дату
my_dates <- as.Date(my_dates)

# проверяем тип данных
class(my_dates)
#> [1] "Date"

По умолчанию as.Date() принимает дату в двух форматах: ГГГГ-ММ-ДД или ГГГГ/ММ/ДД.
Если в вашем наборе данных даты представлены в каком либо другом формате, для преобразования можно использовать аргумент format.

as.Date("September 26, 2019", format = "%B %d, %Y")

format принимает в строковом виде операторы обозначающие какой-либо временной интервал и его формат, наиболее часто используемые значения приведены в таблице ниже:

ФорматОписание
%dНомер дня в месяце
%aАббревиатура названия дня недели
%AПолное название дня недели
%wНомер дня недели (0-6, где 0 это воскресенье)
%mДвухзначное обозначение месяца (01-12)
%bАббревиатура имени месяца (apr, mar, …)
%BПолное название месяца
%yДвухзначное обозначение года
%YЧетырёхзначное обозначение года
%jНомер дня в году (001 — 366)
%UНомер недели в году (00 — 53), начало недели Воскресенье
%WНомер недели в году (00 — 53), начало недели Понедельник

Соответственно, «September 26, 2019» это — полное название месяца, число и год. Описать этот формат даты операторами можно так:"%B %d, %Y".

Где:

  • %B — Полное название месяца
  • %d — Номер дня в месяце
  • %Y — Четырёхзначное обозначение года

При описании формата даты важно включать все доп символы из вашей строки, например тире, запятые, точки, пробелы и так далее. В моём примере, «September 26, 2019», после даты стоит запятая, и в описание формата так же надо ставить запятую:"%B %d, %Y".

Бывают ситуации, когда вы получаете дату не только не соответствующую стандартным форматам (ГГГГ-ММ-ДД или ГГГГ/ММ/ДД), но ещё и на языке, который отличается от установленного в вашей операционной системе по умолчанию. Например, вы загрузили данные, где дата указана вот в таком виде: «Декабрь 15, 2019 г.». Перед конвертацией этой строки в дату вам необходимо поменять локаль.

# Меняем локаль
Sys.setlocale("LC_TIME", "Russian")
# Конвертируем строку в дату
as.Date("Декабрь 15, 2019 г.", format = "%B %d, %Y")

Извлечение компонентов даты в базовом R

В базовом R не так много функций позволяющих извлекать какую либо часть даты из объекта класса Date.

current_date <- Sys.Date() # текущая дата
weekdays(current_date)     # получить номер дня недели
months(current_date)       # получить номер месяца в году
quarters(current_date)     # получить номер квартала в году

Помимо основного класса объектов Date в базовом R есть ещё 2 типа данных которые хранят отметку времени: POSIXltPOSIXct. Основное отличие этих классов от Date заключается в том, что кроме даты они хранят время.

# получить текущую дату и время
current_time <- Sys.time()

# узнать класс объекта current_time 
class(current_time)
# "POSIXct" "POSIXt"

Функция Sys.time() возвращает текущую дату и время в формате POSIXct. Этот формат по смыслу похож на UNIXTIME, и хранит в себе количество секунд с момента начала эры UNIX (полночь (по UTC) с 31 декабря 1969 года на 1 января 1970).

Класс POSIXlt так же хранит в себе время и дату, и все их компоненты. Поэтому является объектом с более сложной структурой, но из которого легко получить любой компонент даты и времени т.к. по сути POSIXlt это list.

# Получаем текущую дату и время
current_time_ct <- Sys.time()

# Преобразуем в формат POSIXlt
current_time_lt <- as.POSIXlt(current_time_ct)

# извлекаем компоненты даты и времени
current_time_lt$sec   # секунды
current_time_lt$min   # минуты
current_time_lt$hour  # часы
current_time_lt$mday  # день месяца
current_time_lt$mon   # месяц
current_time_lt$year  # год
current_time_lt$wday  # день недели
current_time_lt$yday  # день года
current_time_lt$zone  # часовой пояс

Преобразование числовых и текстовых данных в форматы POSIX* осуществляются функциями as.POSIXct() и as.POSIXlt(). Данные функции имеют небольшой набор аргументов.

  • x — Число, строка или объект класса Date, который необходимо преобразовать;
  • tz — Часовой пояс, по умолчанию «GMT»;
  • format — Описание формата даты в которым представлены данные передаваемые в аргумент x;
  • origin — Используется только при конвертации числа в POSIX, в этот аргумент необходимо передать объект даты, и времени от которого идёт отсчёт секунд. Как правило, используется для перевода из UNIXTIME.

Если ваши данные о дате и времени представлены в UNIXTIME, то для их конвертации в понятную, читаемую дату используйте следующий пример:

# Конвертируем UNIXTIME в читаемую дату 
as.POSIXlt(1570084639,  origin = "1970-01-01")

В origin вы можете указать любую временную метку. Например, если в ваших данных дата и время указаны как количество секунд начиная от 15 сентября 2019 года 12:15, то для преобразования их в дату используйте:

# Конвертируем UNIXTIME в дату учитывая что начало отсчёта 15 сентября 2019 12:15
as.POSIXlt(1546123,  origin = "2019-09-15 12:15:00")

Работа с датами с помощью пакета lubridate

lubridate пожалуй самый популярный пакет для работы с датами на языке R. Он предоставляет вам дополнительно ещё три класса.

  • durations — длительность, т.е. количество секунд между двумя временными метками;
  • periods — периоды позволяют производить вычисления между датами понятными для человека интервалами: днями, месяцами, неделями и так далее;
  • intervals — объекты предоставляющие начальный и конечный момент времени.

Установка дополнительных пакетов в языке R осуществляется стандартной функцией install.packages().

Установка пакета lubridate:

install.packages("lubridate")

Преобразование текста в дату с помощью lubridate

Функции пакета lubridate значительно упрощают процесс конвертации текста в дату, а так же позволяют вам проводить любые арифметические операции с датами и временем.

Получить текущую дату, или дату и время вам помогут функции today() и now().

today() # текущая дата
now()   # текущая дата и время

Для преобразования строки в дату в lubridate есть целое семейство функций имена которых состоят всегда из трёх букв, и обозначают последовательность компонентов даты:

  • y — год
  • m — месяц
  • d — день

Список функций для преобразования текста в дату через lubridate

  • ymd()
  • ydm()
  • mdy()
  • myd()
  • dmy()
  • dym()
  • yq()

Несколько примеров для преобразования строк в даты:

ymd("2017 jan 21")
mdy("March 20th, 2019")
dmy("1st april of 2018")

Как видите lubridate значительно более эффективно умеет распознавать описание дат в виде текста, и позволяет вам преобразовывать текст в дату не используя дополнительных операторов для описания формата.

Извлечение компонентов дат с помощью пакета lubridate

Также с помощью lubridate можно получить любой компонент из даты:

dt <- ymd("2017 jan 21")

year(dt)  # год
month(dt) # месяц
mday(dt)  # день в месяце
yday(dt)  # день в году
wday(dt)  # день недели

Арифметические операции с датами

Но, наиболее важный и основной функционал lubridate заключается в возможности производить различные арифметические операции с датами.

Округление даты осуществляется тремя функциями:

  • floor_date — округление к ближайшему прошедшему времени
  • ceiling_date — округление к ближайшему будущему времени
  • round_date — округление к ближайшему времени

Каждая из этих функций имеет аргумент unit, который позволяет вам указать единицу округления: second, minute, hour, day, week, month, bimonth, quarter, season, halfyear, year

dt <- ymd("2017 jan 21")

round_date(dt, unit = "month")    # округлить до месяца
round_date(dt, unit = "3 month")  # округлить до 3 месяцев
round_date(dt, unit = "quarter")  # округлить до квартала
round_date(dt, unit = "season")   # округлить до сезона
round_date(dt, unit = "halfyear") # округлить до полугодия

Итак, давайте разберёмся с тем, как получить дату, которая будет через 8 дней после текущей даты и проводить различные другие арифметические вычисления между двумя датами.

today() + days(8)   # какая дата будет через 8 дней
today() - months(2) # какая дата была 2 месяца назад
today() + weeks(12) # какая дата будет через 12 недель
today() - years(2)  # какая дата была 2 года назад

Упрощённая работа с периодами, пакет timeperiodsR.

timeperiodsR — свежий пакет для работы с датами который был опубликован на CRAN в сентябре 2019 года.

Установка пакета timeperiodsR:

install.packages("timeperiodsR")

Основное назначение — быстрое определение некоторого временного интервала относительно заданной даты. Например с помощью его функций вы легко можете:

  • Получить прошлую неделю, месяц, квартал или год в R.
  • Получить заданное количество временных интервалов относительно даты, например прошлые 4 недели.
  • Легко извлекать из полученного временного интервала его компоненты: начальную и конечную дату, количество дней попавших в интервал, всю последовательность дат которые в него входят.

Название всех функций пакета timeperiodsR интуитивно понятны, и состоят из двух частей: направление_интервал, где:

  • направление в котором необходимо двигаться относительно заданной даты: last_n, previous, this, next, next_n.
  • временной интервал для вычисления периода: day, week, month, quarter, year.

Полный набор функций:

Временные интервалы в timeperiodsR

Эти функции полезны в случаях, когда вам необходимо строить отчёты на основе данных за прошлую неделю или месяц. Чтобы получить прошлый месяц воспользуйтесь одноимённой функцией previous_month():

prmonth <- previous_month()

После чего у вас будет объект prmonth класса tpr, из которого легко можно получить следующие компоненты:

  • дату начала периода, в нашем примере это прошлый месяц
  • дату завершения периода
  • количество дней входящих в период
  • последовательность дат входящих в период

Причём получить каждый из компонентов можно разными способами:

# первый день периода
prmonth$start
start(prmonth)

# последний день периода
prmonth$end
end(prmonth)

# последовательность дат
prmonth$sequence
seq(prmonth)

# количество дней входящих в период
prmonth$length
length(prmonth)

Также вы можете получить любой из компонентов используя аргумент part, который присутствует в каждой из функций пакета. Возможные значения: start, end, sequence, length.

previous_month(part = "start")    # начало периода
previous_month(part = "end")      # конец периода
previous_month(part = "sequence") # последовательность дат
previous_month(part = "length")   # количество дней в периоде

Итак, давайте рассмотрим все аргументы доступные в функциях пакета timeperiodsR:

  • x — Опорная дата от которой будет вычислять временной период, по умолчанию текущая дата;
  • n — Количество интервалов которые будут входить в период, например 3 предыдущие недели;
  • part — Какой компонент объекта tpr вам необходимо получить, по умолчанию all;
  • week_start — Аргумент присутствует только в функциях для работы с неделями, и позволяет задать номер дня недели который будет считаться её началом, по умолчанию началом недели является понедельник, но вы можете задать любой с 1 — понедельник по 7 — воскресенье.

Таким образом, вы можете вычислять любой временной период относительно текущей, либо любой другой заданной даты, приведу ещё несколько примеров:


# получить 3 прошлые недели
# от 6 октября 2019 года
# начало недели - понедельник
last_n_weeks(x = "2019-10-06", 
             n = 3, 
             week_start = 1)
 Time period: from  9 September of 2019, Monday to 29 September of 2019, Sunday

6 октября это воскресенье:
6 октября 2019 года

Нам необходим период, который относительно 6 октября возьмёт 3 предыдущие недели. Не включая неделю, в которую входит само 6 октября. Соответственно это период с 9 по 29 сентября.

3 недели отталкиваясь от 6 октября 2019 г

# получить месяц отстающий на 4 месяца
# от 16 сентября 2019 года
previous_month(x = "2019-09-16", n = 4)
 Time period: from  1 May of 2019, Wednesday to 31 May of 2019, Friday

В этом примере нас интересует месяц, который был 4 месяца назад, если отталкиваться от 16 сентября 2019 года, соответственно это был май 2019 года.

Фильтрация вектора дат с помощью timeperiodsR

Для фильтрации дат в timeperiodsR есть несколько операторов:

  • %left_out% — сравнивает два объекта класса tpr, и возвращает значение из левого, которые отсутствуют в правом.
  • %left_in% — сравнивает два объекта класса tpr, и возвращает даты из левого объекта которые входят в правый.
  • %right_out% — сравнивает два объекта класса tpr, и возвращает значение из правого, которые отсутствуют в левом.
  • %right_in% — сравнивает два объекта класса tpr, и возвращает даты из правого объекта которые присутвуют в левом.
period1 <- this_month("2019-11-07")
period2 <- previous_week("2019-11-07")

period1 %left_in% period2   # получить даты из period1 которые входят в period2
period1 %left_out% period2  # получить даты из period1 которые не входят в period2
period1 %right_in% period2  # получить даты из period2 которые входят в period1
period1 %right_out% period2 # получить даты из period2 которые не входят в period1

У пакета timeperiodsR есть официальный, русскоязычный плейлист на YouTube.

Заключение

Мы подробно рассмотрели классы объектов которые предназначены в языке R для работы с датами. Также теперь вы умеете проводить над датами арифметические операции, и быстро получать любые временные периоды с помощью пакета timeperiodsR.

Если вам интересен язык R приглашаю вас подписаться на мой телеграмм канал R4marketing, в котором я на ежедневной основе делюсь полезными материалами о применении языка R в решении своих повседневных задач.

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход /  Изменить )

Google photo

Для комментария используется ваша учётная запись Google. Выход /  Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход /  Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход /  Изменить )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Блог на WordPress.com. Тема: Baskerville 2, автор: Anders Noren.

Вверх ↑

%d такие блоггеры, как: