Date

R 中的日期-时间和因子一样，是一种特殊的变量。

基础包

• 获取系统日期：Sys.Date()
• 获取系统时间：Sys.time()

Format：将日期时间对象转换为字符串

format(date, format = ...)

(m = Sys.Date())

#> [1] "2023-11-14"

class(m)

#> [1] "Date"

format(m, format = "%B %d %Y") # 改成月日年的格式

#> [1] "November 14 2023"

format(m, format = "%B %d %Y %A")  # 加入星期信息

#> [1] "November 14 2023 Tuesday"

format(m, format = "%B")  # 只提取出月份信息

#> [1] "November"

format(Sys.time(), format = "%Y/%B/%a %H:%M:%S")  # 提取部分时间信息

#> [1] "2023/November/Tue 11:25:49"

Parse：将字符串解析为日期时间对象

• strptime(chr_datetime, format = ...)
• readr::parse_*(chr_datetime, format = ...)

# R 原生日期-时间类型
strptime("20/2/06", format = "%d/%m/%y")

#> [1] "2006-02-20 CST"

strptime("20/2/06", format = "%d/%m/%y") %>% class() 

#> [1] "POSIXlt" "POSIXt"

# tidyverse 系列的 Date 类型
readr::parse_date("20/2/06", format = "%d/%m/%y")

#> [1] "2006-02-20"

readr::parse_date("20/2/06", format = "%d/%m/%y") %>% class()

#> [1] "Date"

lubricate 包

lubridate cheatsheet.pdf

表示日期或时间的数据有 3 种类型：
- 日期：在 tibble 中显示为<date>
- 时间：一天中的某个时刻，在 tibble 中显示为<time>
- 日期时间：可以唯一标识某个时刻（通常精确到秒）的日期加时间，在 tibble 中显示为<dttm>

要想得到当前日期或当前日期时间，你可以使用 today() 或 now() 函数：

today()

#> [1] "2023-11-14"

now()

#> [1] "2023-11-14 11:30:17 CST"

创建日期或时间

通过字符串创建

ymd()系列函数是从字符串创建单个日期时间对象的最简方法，也可以接受不带引号的数值。它不需要指定参数，便能自动处理标点和月份、星期的英文全称、缩写。

x = c(20090101, "2009-01-02", "2009 01 03", "2009-1-4", "2009-1,5", "Created on 2009 1 6", "200901 !!! 07")
ymd(x)

#> [1] "2009-01-01" "2009-01-02" "2009-01-03" "2009-01-04" "2009-01-05"
#> [6] "2009-01-06" "2009-01-07"

class(x)

#> [1] "character"

mdy("January 31st, 2017")

#> [1] "2017-01-31"

dmy("31-Jan-2017")

#> [1] "2017-01-31"

ymd(20170131)

#> [1] "2017-01-31"

ymd_hms("2017-01-31 20:11:59") # 精确到秒的时间戳

#> [1] "2017-01-31 20:11:59 UTC"

mdy_hm("01/31/2017 08:01")

#> [1] "2017-01-31 08:01:00 UTC"

# 通过添加一个时区参数，可以将一个日期强制转换为日期时间：
ymd(20170131, tz = "UTC")

#> [1] "2017-01-31 UTC"

通过各个成分创建

使用 make_date() 函数创建日期，使用 make_datetime() 函数创建日期时间

flights %>% 
  select(year, month, day, hour, minute) %>% 
  mutate(
    departure = make_datetime(year, month, day, hour, minute)
  )

#> # A tibble: 336,776 × 6
#>     year month   day  hour minute departure          
#>    <int> <int> <int> <dbl>  <dbl> <dttm>             
#>  1  2013     1     1     5     15 2013-01-01 05:15:00
#>  2  2013     1     1     5     29 2013-01-01 05:29:00
#>  3  2013     1     1     5     40 2013-01-01 05:40:00
#>  4  2013     1     1     5     45 2013-01-01 05:45:00
#>  5  2013     1     1     6      0 2013-01-01 06:00:00
#>  6  2013     1     1     5     58 2013-01-01 05:58:00
#>  7  2013     1     1     6      0 2013-01-01 06:00:00
#>  8  2013     1     1     6      0 2013-01-01 06:00:00
#>  9  2013     1     1     6      0 2013-01-01 06:00:00
#> 10  2013     1     1     6      0 2013-01-01 06:00:00
#> # ℹ 336,766 more rows

## flights 数据集中的某些时间是将小时和分钟数简单地排列在一起的，需要将其分离

# 自定义分离函数
make_datetime_100 <- function(year, month, day, time) {
  make_datetime(year, month, day, time %/% 100, time %% 100)
}

# 应用分离函数
flights_dt <- flights %>% 
  filter(!is.na(dep_time), !is.na(arr_time)) %>% 
  mutate(
    dep_time = make_datetime_100(year, month, day, dep_time),
    arr_time = make_datetime_100(year, month, day, arr_time),
    sched_dep_time = make_datetime_100(year, month, day, sched_dep_time),
    sched_arr_time = make_datetime_100(year, month, day, sched_arr_time)) %>% 
  select(origin, dest, ends_with("delay"), ends_with("time"))

flights_dt

#> # A tibble: 328,063 × 9
#>    origin dest  dep_delay arr_delay dep_time            sched_dep_time     
#>    <chr>  <chr>     <dbl>     <dbl> <dttm>              <dttm>             
#>  1 EWR    IAH           2        11 2013-01-01 05:17:00 2013-01-01 05:15:00
#>  2 LGA    IAH           4        20 2013-01-01 05:33:00 2013-01-01 05:29:00
#>  3 JFK    MIA           2        33 2013-01-01 05:42:00 2013-01-01 05:40:00
#>  4 JFK    BQN          -1       -18 2013-01-01 05:44:00 2013-01-01 05:45:00
#>  5 LGA    ATL          -6       -25 2013-01-01 05:54:00 2013-01-01 06:00:00
#>  6 EWR    ORD          -4        12 2013-01-01 05:54:00 2013-01-01 05:58:00
#>  7 EWR    FLL          -5        19 2013-01-01 05:55:00 2013-01-01 06:00:00
#>  8 LGA    IAD          -3       -14 2013-01-01 05:57:00 2013-01-01 06:00:00
#>  9 JFK    MCO          -3        -8 2013-01-01 05:57:00 2013-01-01 06:00:00
#> 10 LGA    ORD          -2         8 2013-01-01 05:58:00 2013-01-01 06:00:00
#> # ℹ 328,053 more rows
#> # ℹ 3 more variables: arr_time <dttm>, sched_arr_time <dttm>, air_time <dbl>

# 以天为宽度汇总起飞航班的频数
flights_dt %>% 
  ggplot(aes(dep_time)) + 
  geom_freqpoly(binwidth = 86400) 

# 86400秒 = 1天，由于横轴是日期时间型数据，1代表1秒

# 以10分钟为宽度，汇总2013年1月1日起飞航班的频数
flights_dt %>% 
  filter(dep_time < ymd(20130102)) %>% 
  ggplot(aes(dep_time)) + 
  geom_freqpoly(binwidth = 600) # 600秒 = 10分钟

通过其他数据类型创建

as_datetime() 和 as_date() 在日期和日期时间型数据之间切换

as_datetime(today())

#> [1] "2023-11-14 UTC"

as_date(now())

#> [1] "2023-11-14"

可以用相对偏移量表示时间，基准为1970年1月1日0时。

as_date(365 * 10 + 2) # 基准时间之后10年，考虑到两个闰年加两天

#> [1] "1980-01-01"

as_datetime(60 * 60 * 10) # 基准时间滞后10个小时

#> [1] "1970-01-01 10:00:00 UTC"

日期和时间成分

获取成分

如果想要提取出日期中的独立成分，可以使用以下访问器函数： year()、 month()、 mday()（一个月中的第几天）、 yday()（一年中的第几天）、 wday()（一周中的第几天）、 hour()、minute() 和 second()：

datetime <- ymd_hms("2016-07-08 12:34:56")
year(datetime)

#> [1] 2016

month(datetime)

#> [1] 7

mday(datetime)

#> [1] 8

yday(datetime)

#> [1] 190

wday(datetime)

#> [1] 6

对于 month() 和 wday() 函数，你可以设置 label = TRUE 来返回月份名称和星期数的缩写，还可以设置 abbr = FALSE 来返回全名：

# 注意，lubridate中的这两个函数会被data.table包的同名函数覆盖
# 因此，用到这个功能的时候，不能用data.table包
lubridate::month(datetime, label = TRUE)

#> [1] Jul
#> 12 Levels: Jan < Feb < Mar < Apr < May < Jun < Jul < Aug < Sep < ... < Dec

lubridate::wday(datetime, label = TRUE, abbr = FALSE)

#> [1] Friday
#> 7 Levels: Sunday < Monday < Tuesday < Wednesday < Thursday < ... < Saturday

应用于flights数据：

flights_dt %>% 
  mutate(wday = lubridate::wday(dep_time, label = TRUE)) %>% 
  ggplot(aes(x = wday)) + geom_bar()

# 查看一小时内每分钟的平均出发延误
flights_dt %>% 
  mutate(minute = minute(dep_time)) %>% 
  group_by(minute) %>% 
  summarize(avg_delay = mean(arr_delay, na.rm = TRUE), 
            n = n()) %>% 
  ggplot(aes(minute, avg_delay)) + 
  geom_line()

# 我们发现，似乎在第20~30分钟和第50~60分钟内出发的航班的延误时间远远低于其他时间出发的航班

舍入

通过 floor_date()、 round_date() 和 ceiling_date() 函数将日期舍入到临近的一个时间单位。

flights_dt %>% 
  count(week = floor_date(dep_time, "week")) %>% 
  ggplot(aes(week, n)) + geom_line()

修改成分

(datetime <- ymd_hms("2016-07-08 12:34:56"))

#> [1] "2016-07-08 12:34:56 UTC"

year(datetime) <- 2020
datetime

#> [1] "2020-07-08 12:34:56 UTC"

month(datetime) <- 01
datetime

#> [1] "2020-01-08 12:34:56 UTC"

hour(datetime) <- hour(datetime) + 1

除了原地修改，你还可以通过 update() 函数创建一个新日期时间，这样也可以同时设置多个成分。如果设置的值过大，那么可以自动向后滚动。

update(datetime, year = 2020, month = 2, mday = 2, hour = 2)

#> [1] "2020-02-02 02:34:56 UTC"

ymd("2015-02-01") %>% update(mday = 30) # 2月没有30号，所以从1号开始往后推30天

#> [1] "2015-03-02"

ymd("2015-02-01") %>% update(hour = 400)

#> [1] "2015-02-17 16:00:00 UTC"

flights_dt %>% 
  mutate(dep_hour = update(dep_time, yday = 1)) %>% 
  ggplot(aes(dep_hour)) + 
  geom_freqpoly(binwidth = 300)

时间间隔

difftime 类型

time_length <- today() - ymd(19791014)
time_length

#> Time difference of 16102 days

class(time_length)

#> [1] "difftime"

# 基础包的difftime()函数
difftime(today(), ymd(19791014)) 

#> Time difference of 16102 days

difftime(today(), ymd(19791014), units = 'weeks') 

#> Time difference of 2300.286 weeks

difftime(today(), ymd(19791014), units = 'hours') 

#> Time difference of 386448 hours

时期 duration （统一单位为秒）

用difftime数据类型构造duration

# Hadley多大了？
as.duration(today() - ymd(19791014))

#> [1] "1391212800s (~44.08 years)"

构造时期的系列函数（都有”d”前缀和”s”后缀）：

dseconds(15)

#> [1] "15s"

dminutes(10)

#> [1] "600s (~10 minutes)"

dhours(c(12, 24))

#> [1] "43200s (~12 hours)" "86400s (~1 days)"

ddays(0:5)

#> [1] "0s"                "86400s (~1 days)"  "172800s (~2 days)"
#> [4] "259200s (~3 days)" "345600s (~4 days)" "432000s (~5 days)"

dweeks(3)

#> [1] "1814400s (~3 weeks)"

dyears(1)

#> [1] "31557600s (~1 years)"

可以对duration进行加法和乘法操作，时期也可以与日期型数据相加或相减，仍然得到日期型：

dyears(1) + dweeks(12) + dhours(15)

#> [1] "38869200s (~1.23 years)"

tomorrow <- today() + ddays(1)
class(tomorrow)

#> [1] "Date"

last_year <- today() - dyears(1)
class(last_year)

#> [1] "POSIXct" "POSIXt"

阶段

lubridate 提供了阶段对象。阶段也是一种时间间隔，但它不以秒为单位；相反，它使用”人工”时间，比如日和月，这使得它们使用起来更加直观。

构造阶段的系列函数(只有”s”后缀)：

seconds(15)

#> [1] "15S"

minutes(10)

#> [1] "10M 0S"

hours(c(12, 24))

#> [1] "12H 0M 0S" "24H 0M 0S"

days(7)

#> [1] "7d 0H 0M 0S"

months(1:6)

#> [1] "1m 0d 0H 0M 0S" "2m 0d 0H 0M 0S" "3m 0d 0H 0M 0S" "4m 0d 0H 0M 0S"
#> [5] "5m 0d 0H 0M 0S" "6m 0d 0H 0M 0S"

weeks(3)

#> [1] "21d 0H 0M 0S"

years(1)

#> [1] "1y 0m 0d 0H 0M 0S"

可以对阶段进行加法和乘法操作：

10 * (months(6) + days(1))

#> [1] "60m 10d 0H 0M 0S"

days(50) + hours(25) + minutes(2)

#> [1] "50d 25H 2M 0S"

阶段可以和日期相加。与时期相比，阶段更容易符合我们的预期，因为它自动考虑了历法的种种规则：

## 闰年问题
ymd("2016-01-01") + dyears(1) # dyears()产生的时期只是简单地加了365天

#> [1] "2016-12-31 06:00:00 UTC"

ymd("2016-01-01") + years(1) # 考虑到2016年为闰年，years()产生的阶段加了366天

#> [1] "2017-01-01"

区间

阶段的一年years(1)到底是365天还是366天是不确定的，因此有了新的类：区间。区间是带有起点的时期，这使得你可以确切地知道它的长度。

next_year <- today() + years(1)
next_year

#> [1] "2024-11-14"

(today() %--% next_year) / ddays(1)

#> [1] 366

总结

如果只关心物理时间，那么就使用时期；如果还需要考虑人工时间，那么就使用阶段；如果需要找出人工时间范围内有多长的时间间隔，那么就使用区间。

时区

为了避免混淆， R 使用国际标准 IANA 时区。这些时区使用统一带有”/“的命名方式，一般的形式为”< 大陆 >/< 城市 >“（存在例外，因为不是所有城市都位于一块大陆）。如”America/New_York”、“Europe/Paris”和”Pacific/Auckland”。之所以使用城市名，是因为IANA 数据库必须记录十年间的时区，而在十年时间中，国家更名（或分裂）的情况非常多，但城市名是基本保持不变的。

Sys.timezone() 函数找出你的当前时区。OlsonNames() 函数来查看完整的时区名称列表。

Sys.timezone()

#> [1] "Asia/Shanghai"

head(OlsonNames())

#> [1] "Africa/Abidjan"     "Africa/Accra"       "Africa/Addis_Ababa"
#> [4] "Africa/Algiers"     "Africa/Asmara"      "Africa/Asmera"

在 R 中，时区是日期时间型数据的一个属性，仅用于控制输出。例如，以下 3 个对象表示的是同一时刻：

(x1 <- ymd_hms("2015-06-01 12:00:00", 
               tz = "America/New_York"));

#> [1] "2015-06-01 12:00:00 EDT"

(x2 <- ymd_hms("2015-06-01 18:00:00", tz = "Europe/Copenhagen"));

#> [1] "2015-06-01 18:00:00 CEST"

(x3 <- ymd_hms("2015-06-02 04:00:00", 
               tz = "Pacific/Auckland"));

#> [1] "2015-06-02 04:00:00 NZST"

x4 <- c(x1, x2, x3)
x4

#> [1] "2015-06-01 12:00:00 EDT" "2015-06-01 12:00:00 EDT"
#> [3] "2015-06-01 12:00:00 EDT"

x4a <- with_tz(x4, tzone = "Asia/Taipei")
x4a

#> [1] "2015-06-02 CST" "2015-06-02 CST" "2015-06-02 CST"

x4b <- force_tz(x4, tzone = "Asia/Taipei")
x4b

#> [1] "2015-06-01 12:00:00 CST" "2015-06-01 12:00:00 CST"
#> [3] "2015-06-01 12:00:00 CST"