Capítulo25 Fechas, horas y minutas

## [1] "2026-08-01"

El tema proviene de los siguientes sitios.

English: https://r4ds.had.co.nz/dates-and-times.html

Español: https://es.r4ds.hadley.nz/16-datetimes.html

25.1 Temas:

  • library(lubridate)
  • library(datos)
  • library(tidyverse)

25.2 Creando fechas/horas

En R y en los sistemas tipo Unix el tiempo se cuenta como el número de segundos (o días) transcurridos desde la medianoche del 1 de enero de 1970, conocida como la época Unix. Por eso as.numeric() de una fecha devuelve los días desde ese punto.

  • date,
  • time,
  • date-time,

https://github.com/edgararuiz/guias-rapidas/blob/master/fechas.pdf

library(tidyverse)
library(lubridate) # paquete para convertir fechas

tidyverse_packages() # lista completa de los paquetes activado con **tidyverse**
##  [1] "broom"         "conflicted"    "cli"           "dbplyr"       
##  [5] "dplyr"         "dtplyr"        "forcats"       "ggplot2"      
##  [9] "googledrive"   "googlesheets4" "haven"         "hms"          
## [13] "httr"          "jsonlite"      "lubridate"     "magrittr"     
## [17] "modelr"        "pillar"        "purrr"         "ragg"         
## [21] "readr"         "readxl"        "reprex"        "rlang"        
## [25] "rstudioapi"    "rvest"         "stringr"       "tibble"       
## [29] "tidyr"         "xml2"          "tidyverse"

25.3 El paquete lubridate

ymd(), mdy(), dmy() (lubridate) — convertir texto a fechas.

  • Qué hacen: interpretan una cadena según el orden de sus partes: ymd("2024-03-01"), mdy("3/1/2024"), dmy("1/3/2024").
  • Con hora: añade _hms, _hm o _h (p. ej. dmy_hms()).
  • Extraer partes: year(), month(), day(), wday() (día de la semana).

La función today() regresa la fecha de hoy, similar a Sys.date()

today()
## [1] "2026-08-01"

Use la función de tribble(), del paquete tibble, para crear una tabla manualmente

fechas <- tribble(
  ~ codigo, ~ fecha,
    "001",    "01/01/2019 00:00:00",
    "002",    "31/03/2019 01:05:00",
    "003",    "14/06/2019 20:00:00",
    "004",    "01/12/1859 11:32:13",
    "005",    "01/01/0501 05:04:33"
)
fechas
## # A tibble: 5 × 2
##   codigo fecha              
##   <chr>  <chr>              
## 1 001    01/01/2019 00:00:00
## 2 002    31/03/2019 01:05:00
## 3 003    14/06/2019 20:00:00
## 4 004    01/12/1859 11:32:13
## 5 005    01/01/0501 05:04:33

Hay varias opciones para convertir texto a fechas, el más usado es mdy_hms(), pero en este caso el formato utilizado no funciona bien.

Un error muy común es usar mdy() cuando las fechas están en formato día/mes/año. Como no existe un mes 31, obtendrás NA o fechas equivocadas; elige la función (dmy(), mdy(), ymd()) según el orden real de la fecha.

25.3.1 Un error tipico

fechas %>%
  mutate(fecha = mdy_hms(fecha))
## # A tibble: 5 × 2
##   codigo fecha              
##   <chr>  <dttm>             
## 1 001    2019-01-01 00:00:00
## 2 002    NA                 
## 3 003    NA                 
## 4 004    1859-01-12 11:32:13
## 5 005    0501-01-01 05:04:33

Ya que el día es el primero, y no el mes, usamos dmy_hms()

nueva_fechas <- fechas %>%
  mutate(fecha = dmy_hms(fecha))

nueva_fechas
## # A tibble: 5 × 2
##   codigo fecha              
##   <chr>  <dttm>             
## 1 001    2019-01-01 00:00:00
## 2 002    2019-03-31 01:05:00
## 3 003    2019-06-14 20:00:00
## 4 004    1859-12-01 11:32:13
## 5 005    0501-01-01 05:04:33

lubridate tiene varias funciones para extraer partes de la fecha, por ejemplo: año, mes, día, hora, minuto, y cuatrimestre.

nueva_fechas %>%
  mutate(a = year(fecha),
         m = month(fecha),
         d = day(fecha),
         h = hour(fecha),
         mn = minute(fecha),
         q = quarter(fecha)
         )
## # A tibble: 5 × 8
##   codigo fecha                   a     m     d     h    mn     q
##   <chr>  <dttm>              <int> <int> <int> <int> <int> <int>
## 1 001    2019-01-01 00:00:00  2019     1     1     0     0     1
## 2 002    2019-03-31 01:05:00  2019     3    31     1     5     1
## 3 003    2019-06-14 20:00:00  2019     6    14    20     0     2
## 4 004    1859-12-01 11:32:13  1859    12     1    11    32     4
## 5 005    0501-01-01 05:04:33   501     1     1     5     4     1

Las funciones round_date(), ceiling_date() y floor_date() permiten redondear la fecha al número más cercano de la unidad especificada

nueva_fechas %>%
  mutate(
    redondear = round_date(fecha, unit = " month"), # round_date es redondea al mes más cercano
    techo = ceiling_date(fecha, unit = "day"), # ceiling_date redondea al día más cercano
    suelo = floor_date(fecha, unit = "month"), # floor_date redondea al mes más cercano
    suelo_hour= floor_date(fecha, unit = "hour") # redondea a la hora más cercana
  )
## # A tibble: 5 × 6
##   codigo fecha               redondear           techo              
##   <chr>  <dttm>              <dttm>              <dttm>             
## 1 001    2019-01-01 00:00:00 2019-01-01 00:00:00 2019-01-01 00:00:00
## 2 002    2019-03-31 01:05:00 2019-04-01 00:00:00 2019-04-01 00:00:00
## 3 003    2019-06-14 20:00:00 2019-06-01 00:00:00 2019-06-15 00:00:00
## 4 004    1859-12-01 11:32:13 1859-12-01 00:00:00 1859-12-02 00:00:00
## 5 005    0501-01-01 05:04:33 0501-01-01 00:00:00 0501-01-02 00:00:00
## # ℹ 2 more variables: suelo <dttm>, suelo_hour <dttm>

25.4 Intervalos y duraciones

La función interval() crea un objeto R de intervalo de tiempo. En este caso, el intervalo entre la fecha en la tabla, y el día de hoy. Nota que esto puede ser muy útil si quiere calcular la cantidad de tiempo entre dos fechas.

nueva_fechas %>%
  mutate(intervalo = interval(fecha, today())) # intervalo entre la fecha y hoy
## # A tibble: 5 × 3
##   codigo fecha               intervalo                              
##   <chr>  <dttm>              <Interval>                             
## 1 001    2019-01-01 00:00:00 2019-01-01 00:00:00 UTC--2026-08-01 UTC
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2026-08-01 UTC
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2026-08-01 UTC
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2026-08-01 UTC
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2026-08-01 UTC

int_length() regresa el número de segundos dentro del intervalo

nueva_fechas %>%
  mutate(
    intervalo = interval(fecha, today()), #
    segundos = int_length(intervalo) # número de segundos en el intervalo
    )
## # A tibble: 5 × 4
##   codigo fecha               intervalo                                  segundos
##   <chr>  <dttm>              <Interval>                                    <dbl>
## 1 001    2019-01-01 00:00:00 2019-01-01 00:00:00 UTC--2026-08-01 UTC   239241600
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2026-08-01 UTC   231548100
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2026-08-01 UTC   225000000
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2026-08-01 UTC  5259472067
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2026-08-01 UTC 48142666527

25.5 El operador %--% simplifica el cálculo del intervalo

Compara con el script anterior

nueva_fechas %>%
  mutate(intervalo = fecha %--% today())
## # A tibble: 5 × 3
##   codigo fecha               intervalo                              
##   <chr>  <dttm>              <Interval>                             
## 1 001    2019-01-01 00:00:00 2019-01-01 00:00:00 UTC--2026-08-01 UTC
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2026-08-01 UTC
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2026-08-01 UTC
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2026-08-01 UTC
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2026-08-01 UTC

Para saber el número de días en el intervalo, divida el intervalo por la función que corresponde a días, days()

nueva_fechas %>%
  mutate(dias = fecha %--% today() / days(),
         anio= fecha %--% today() / years()) # número de días en el intervalo
## # A tibble: 5 × 4
##   codigo fecha                  dias    anio
##   <chr>  <dttm>                <dbl>   <dbl>
## 1 001    2019-01-01 00:00:00   2769     7.58
## 2 002    2019-03-31 01:05:00   2680.    7.34
## 3 003    2019-06-14 20:00:00   2604.    7.13
## 4 004    1859-12-01 11:32:13  60874.  167.  
## 5 005    0501-01-01 05:04:33 557207. 1526.
#Cuantos años de diferencia en el intervalo?

Intervalo entre una lista de fecha y otra fecha y hora específica

nueva_fechas %>%
  mutate(dias = fecha %--% "2020-01-01 00:00:00" / days())
## # A tibble: 5 × 3
##   codigo fecha                  dias
##   <chr>  <dttm>                <dbl>
## 1 001    2019-01-01 00:00:00    365 
## 2 002    2019-03-31 01:05:00    276.
## 3 003    2019-06-14 20:00:00    200.
## 4 004    1859-12-01 11:32:13  58470.
## 5 005    0501-01-01 05:04:33 554803.

25.6 Ejercicio

Usa esta función y calcula el número de día que ha transcurrido entre el día de su nacimiento y el día de hoy

segundos = "2018-08-14 00:00:00" %--% today()/seconds()
segundos
## [1] 251337600
dias = "2018-08-14 00:00:00" %--% today() /  days()
dias
## [1] 2909
mes= "2018-08-14 00:00:00" %--% today() /  months(1)
mes
## [1] 95.58065
anio = "2018-08-14 00:00:00" %--% today()/ years()
anio
## [1] 7.964384
millisecond = "2018-08-14 00:00:00" %--% today() /  milliseconds()

millisecond
## [1] 251337600000

Los resultados se pueden visualizar usando ggplot2

nueva_fechas %>%
  mutate(dias = fecha %--% today() / years()) %>%
  ggplot() +
  geom_col(aes(codigo, dias)) +
  coord_flip()

25.7 Serie de funciones para calcular la duración de un intervalo de tiempo.

  • dyears() # años
  • dmonths() # meses
  • dweeks() # semanas
  • ddays() # días
  • dhours() # horas
  • dminutes() # minutos
  • dseconds() # segundos
  • dmilliseconds() # milisegundos
  • dmicroseconds() # microsegundos
  • dnanoseconds() # nanosegundos
  • dpicoseconds() # picosegundos

25.8 as.duration

as.duration() crea un objecto en R que contiene la duración del intervalo de tiempo.

nueva_fechas %>%
  mutate(desde_hoy = as.duration(fecha %--% today())) # duración desde la fecha hasta hoy
## # A tibble: 5 × 3
##   codigo fecha               desde_hoy                    
##   <chr>  <dttm>              <Duration>                   
## 1 001    2019-01-01 00:00:00 239241600s (~7.58 years)     
## 2 002    2019-03-31 01:05:00 231548100s (~7.34 years)     
## 3 003    2019-06-14 20:00:00 2.25e+08s (~7.13 years)      
## 4 004    1859-12-01 11:32:13 5259472067s (~166.66 years)  
## 5 005    0501-01-01 05:04:33 48142666527s (~1525.55 years)

El objeto de duración de tiempo se puede filtrar fácilmente basado en una variedad de tipo de tiempos. En este caso, semanas dweeks() crea un objeto de duración de la largura especificada

nueva_fechas %>%
  mutate(desde_hoy = as.duration(fecha %--% today())) %>%
  filter(desde_hoy > dyears(7))
## # A tibble: 5 × 3
##   codigo fecha               desde_hoy                    
##   <chr>  <dttm>              <Duration>                   
## 1 001    2019-01-01 00:00:00 239241600s (~7.58 years)     
## 2 002    2019-03-31 01:05:00 231548100s (~7.34 years)     
## 3 003    2019-06-14 20:00:00 2.25e+08s (~7.13 years)      
## 4 004    1859-12-01 11:32:13 5259472067s (~166.66 years)  
## 5 005    0501-01-01 05:04:33 48142666527s (~1525.55 years)

Otra opción es ddays().

nueva_fechas %>%
  mutate(desde_hoy = as.duration(fecha %--% today())) %>%
  filter(desde_hoy < ddays(2500))  # Nota que se puede filtrar por el número de días que han acumulado
## # A tibble: 0 × 3
## # ℹ 3 variables: codigo <chr>, fecha <dttm>, desde_hoy <Duration>

25.8.1 Funciones

  • today()
  • now()
today()
## [1] "2026-08-01"
now()
## [1] "2026-08-01 23:30:36 AST"

25.8.2 Fechas con años, meses y días

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

25.8.3 Fechas con horas, minutos y segundos

  • ymd_hms()

  • ymd_hm()

  • ymd_h()

  • ydm_hms()

  • ydm_hm()

  • etc

25.8.4 Fechas

  • yq() Year quarter (quarters are 1, 2, 3, 4, Jan-March, April-Jun, Jul-Sept, Oct-Dec)
x =c("2012.1", "1970.4")
yq(x)
## [1] "2012-01-01" "1970-10-01"
yq("2012.1")
## [1] "2012-01-01"
  • Cuidado con el paquete hms que tiene funciones igual como lubridate (hms, hm, y ms) , pero no necesariamente hace lo mismo.

25.9 Crear una fecha desde columnas individuales

  • make_date()
  • make_datetime()

Unir el año, mes, día, hora y minutos que estén en diferentes columnas en uno

  • sumamente practico cuando se tiene una base de datos con las fechas en diferentes columnas
library(datos)
head(vuelos)
## # A tibble: 6 × 19
##    anio   mes   dia horario_salida salida_programada atraso_salida
##   <int> <int> <int>          <int>             <int>         <dbl>
## 1  2013     1     1            517               515             2
## 2  2013     1     1            533               529             4
## 3  2013     1     1            542               540             2
## 4  2013     1     1            544               545            -1
## 5  2013     1     1            554               600            -6
## 6  2013     1     1            554               558            -4
## # ℹ 13 more variables: horario_llegada <int>, llegada_programada <int>,
## #   atraso_llegada <dbl>, aerolinea <chr>, vuelo <int>, codigo_cola <chr>,
## #   origen <chr>, destino <chr>, tiempo_vuelo <dbl>, distancia <dbl>,
## #   hora <dbl>, minuto <dbl>, fecha_hora <dttm>
vuelos %>%
  dplyr::select(anio, mes, dia, hora, minuto) %>%
  mutate(salida_dia=make_date(anio, mes, dia),
         salida_dia_minutos = make_datetime(anio, mes, dia, hora, minuto))
## # A tibble: 336,776 × 7
##     anio   mes   dia  hora minuto salida_dia salida_dia_minutos 
##    <int> <int> <int> <dbl>  <dbl> <date>     <dttm>             
##  1  2013     1     1     5     15 2013-01-01 2013-01-01 05:15:00
##  2  2013     1     1     5     29 2013-01-01 2013-01-01 05:29:00
##  3  2013     1     1     5     40 2013-01-01 2013-01-01 05:40:00
##  4  2013     1     1     5     45 2013-01-01 2013-01-01 05:45:00
##  5  2013     1     1     6      0 2013-01-01 2013-01-01 06:00:00
##  6  2013     1     1     5     58 2013-01-01 2013-01-01 05:58:00
##  7  2013     1     1     6      0 2013-01-01 2013-01-01 06:00:00
##  8  2013     1     1     6      0 2013-01-01 2013-01-01 06:00:00
##  9  2013     1     1     6      0 2013-01-01 2013-01-01 06:00:00
## 10  2013     1     1     6      0 2013-01-01 2013-01-01 06:00:00
## # ℹ 336,766 more rows

Unir el año, mes, día, hora que estén en diferentes columnas en uno

vuelos %>%
  dplyr::select(anio, mes, dia, hora, minuto) %>%
  mutate(salida2 = make_date(anio, mes, dia))
## # A tibble: 336,776 × 6
##     anio   mes   dia  hora minuto salida2   
##    <int> <int> <int> <dbl>  <dbl> <date>    
##  1  2013     1     1     5     15 2013-01-01
##  2  2013     1     1     5     29 2013-01-01
##  3  2013     1     1     5     40 2013-01-01
##  4  2013     1     1     5     45 2013-01-01
##  5  2013     1     1     6      0 2013-01-01
##  6  2013     1     1     5     58 2013-01-01
##  7  2013     1     1     6      0 2013-01-01
##  8  2013     1     1     6      0 2013-01-01
##  9  2013     1     1     6      0 2013-01-01
## 10  2013     1     1     6      0 2013-01-01
## # ℹ 336,766 more rows

## Conversión de fechas que no son estándar

Datos_raros=tribble(~Ind, ~Persona, ~fecha_de_nacimiento,
                    1, "Abuela", "1/1/30",
                    2, "Abuelo","1/30/01",
                    3, "Tio", "1/30/09")

Datos_raros 
## # A tibble: 3 × 3
##     Ind Persona fecha_de_nacimiento
##   <dbl> <chr>   <chr>              
## 1     1 Abuela  1/1/30             
## 2     2 Abuelo  1/30/01            
## 3     3 Tio     1/30/09
Datos_raros %>%
  mutate(nueva_fecha = mdy(fecha_de_nacimiento))
## # A tibble: 3 × 4
##     Ind Persona fecha_de_nacimiento nueva_fecha
##   <dbl> <chr>   <chr>               <date>     
## 1     1 Abuela  1/1/30              2030-01-01 
## 2     2 Abuelo  1/30/01             2001-01-30 
## 3     3 Tio     1/30/09             2009-01-30
as.Date(0, origin = "1970-01-01")
## [1] "1970-01-01"
# Returns "1970-01-01"
df <- tibble(
  Persona = c("Abuela", "Abuelo", "Tio"),
  fecha_de_nacimiento = c("1/1/1930", "1/30/1901", "1/30/1909")
)


df <- df %>%
  mutate(
    nueva_fecha = mdy(fecha_de_nacimiento),
    nueva_fecha = if_else(year(nueva_fecha) > year(today()), 
                          nueva_fecha - years(100), 
                          nueva_fecha)
  )
df
## # A tibble: 3 × 3
##   Persona fecha_de_nacimiento nueva_fecha
##   <chr>   <chr>               <date>     
## 1 Abuela  1/1/1930            1930-01-01 
## 2 Abuelo  1/30/1901           1901-01-30 
## 3 Tio     1/30/1909           1909-01-30
#Datos_raros$fecha2=as.Date(as.Date(format(as.Date(Datos_raros$fecha_de_nacimiento, format="%m/%d/%Y"), "19%y%m%d"), "%Y%m%d"))

#Datos_raros

*** HERE ***

25.10 %/%: integer division

vuelos |> dplyr::select(tiempo_vuelo) |> 
  mutate(t=tiempo_vuelo %/% 100) |>  # Division
  mutate(m= tiempo_vuelo %% 100)     # modulus... Cambia el 100 para 1, 10, 1000... y mira cual es el resultado
## # A tibble: 336,776 × 3
##    tiempo_vuelo     t     m
##           <dbl> <dbl> <dbl>
##  1          227     2    27
##  2          227     2    27
##  3          160     1    60
##  4          183     1    83
##  5          116     1    16
##  6          150     1    50
##  7          158     1    58
##  8           53     0    53
##  9          140     1    40
## 10          138     1    38
## # ℹ 336,766 more rows

25.11 The %% operator returns the modulus (remainder) of a division operation.

  • For instance, 5 %% 2 would return 1, as the remainder of 5 divided by 2 is 1.
names(vuelos)
##  [1] "anio"               "mes"                "dia"               
##  [4] "horario_salida"     "salida_programada"  "atraso_salida"     
##  [7] "horario_llegada"    "llegada_programada" "atraso_llegada"    
## [10] "aerolinea"          "vuelo"              "codigo_cola"       
## [13] "origen"             "destino"            "tiempo_vuelo"      
## [16] "distancia"          "hora"               "minuto"            
## [19] "fecha_hora"
hacer_fechahora_100 <- function(anio, mes, dia, tiempo) {
  make_datetime(anio, mes, dia, tiempo %/% 100, tiempo %% 100)
}

vuelos_dt <- vuelos %>%
  filter(!is.na(horario_salida), !is.na(horario_llegada)) %>%
  mutate(
    horario_salida = hacer_fechahora_100(anio, mes, dia, horario_salida),
    horario_llegada = hacer_fechahora_100(anio, mes, dia, horario_llegada),
    salida_programada = hacer_fechahora_100(anio, mes, dia, salida_programada),
    llegada_programada = hacer_fechahora_100(anio, mes, dia, llegada_programada)
  ) %>%
  dplyr::select(origen, destino, starts_with("atraso"), starts_with("horario"), ends_with("programada"), tiempo_vuelo)

head(vuelos_dt)
## # A tibble: 6 × 9
##   origen destino atraso_salida atraso_llegada horario_salida     
##   <chr>  <chr>           <dbl>          <dbl> <dttm>             
## 1 EWR    IAH                 2             11 2013-01-01 05:17:00
## 2 LGA    IAH                 4             20 2013-01-01 05:33:00
## 3 JFK    MIA                 2             33 2013-01-01 05:42:00
## 4 JFK    BQN                -1            -18 2013-01-01 05:44:00
## 5 LGA    ATL                -6            -25 2013-01-01 05:54:00
## 6 EWR    ORD                -4             12 2013-01-01 05:54:00
## # ℹ 4 more variables: horario_llegada <dttm>, salida_programada <dttm>,
## #   llegada_programada <dttm>, tiempo_vuelo <dbl>

25.11.0.1 Cuantos segundos hay en un dia?

vuelos_dt %>%
  ggplot(aes(horario_salida)) +
  geom_freqpoly(binwidth = 86400) # 86400 segundos = 1 día

vuelos_dt %>%
  filter(horario_salida < ymd(20130102)) %>%
  ggplot(aes(horario_salida)) +
  geom_freqpoly(binwidth = 600) # 600 segundos = 10 minutos

Nota variables que no funciona

ymd(c("2010-10-10", "bananas"))
## [1] "2010-10-10" NA
d1 <- "Jan 1, 2010"
d1
## [1] "Jan 1, 2010"
mdy(d1)
## [1] "2010-01-01"
d2 <- "2015-Mar-07"
d2
## [1] "2015-Mar-07"
ymd(d2)
## [1] "2015-03-07"
d3 <- "06-Jun-2017"
d3
## [1] "06-Jun-2017"
dmy(d3)
## [1] "2017-06-06"
d4 <- c("Aug 19 (2015)", "Jul 1 (2015)")
d4
## [1] "Aug 19 (2015)" "Jul 1 (2015)"
mdy(d4)
## [1] "2015-08-19" "2015-07-01"
d5 <- "12/30/14" # Diciembre 30, 2014
d5
## [1] "12/30/14"
mdy(d5)
## [1] "2014-12-30"
d6 <- "ene 1, 2010"
d6
## [1] "ene 1, 2010"
mdy(d6)
## [1] NA
d7 <- c("Agosto 19 (2015)", "Julio 1 (2015)")
d7
## [1] "Agosto 19 (2015)" "Julio 1 (2015)"
mdy(d7)
## [1] NA NA
mdy(d1)
## [1] "2010-01-01"
ymd(d2)
## [1] "2015-03-07"
dmy(d3)
## [1] "2017-06-06"
mdy(d4)
## [1] "2015-08-19" "2015-07-01"
mdy(d5)
## [1] "2014-12-30"
mdy(d6)
## [1] NA
mdy(d7)
## [1] NA NA
  1. Ejercicios:

Hacer los ejercicios en la sección 16.2.4 del libro en español

25.12 Extrayendo parte de las fecha-hora

  • year()

  • month()

  • mday()

  • yday()

  • wday()

  • ceiling_date()

  • floor_date()

  • round_date()

  1. Ejercicios:

Hacer estos ejercicios en la sección 16.3.4 del libro en español. Entregar por MSTeams.

¿Cómo cambia la demora promedio durante el curso de un día? ¿Deberías usar horario_salida o salida_programada? ¿Por qué?

¿En qué día de la semana deberías salir si quieres minimizar las posibilidades de una demora?

Confirma nuestra hipótesis de que las salidas programadas en los minutos 20-30 y 50-60 están causadas por los vuelos programados que salen más temprano. Pista: crea una variable binaria que te diga si un vuelo tuvo o no demora.

25.13 Lapso de tiempo

25.14 duraciones

# ¿Qué edad tiene Charles Darwin?  fecha de naciemiento February 12, 1809
edad_h <- today() - ymd("1809-02-12")
edad_h <- today() - ymd(18090212)
edad_h
## Time difference of 79428 days
as.duration(edad_h)
## [1] "6862579200s (~217.46 years)"
x=as.duration(edad_h)

Otras funciones de duración

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)"

25.15 Puede agregar periodos de tiempo

2 * dyears(1)
## [1] "63115200s (~2 years)"
dyears(1) + dweeks(12) + dhours(15)
## [1] "38869200s (~1.23 years)"
ayer <- today() - ddays(1)
anio_pasado <- today() - dyears(1)

ayer
## [1] "2026-07-31"
anio_pasado
## [1] "2025-07-31 18:00:00 UTC"

25.16 períodos

una_pm <- ymd_hms("2016-03-12 13:00:00", tz = "America/New_York")

una_pm
## [1] "2016-03-12 13:00:00 EST"
#> [1] "2016-03-12 13:00:00 EST"
una_pm + ddays(1)
## [1] "2016-03-13 14:00:00 EDT"
#> [1] "2016-03-13 14:00:00 EDT"
seconds(15)
## [1] "15S"
#> [1] "15S"
minutes(10)
## [1] "10M 0S"
#> [1] "10M 0S"
hours(c(12, 24))
## [1] "12H 0M 0S" "24H 0M 0S"
#> [1] "12H 0M 0S" "24H 0M 0S"
days(7)
## [1] "7d 0H 0M 0S"
#> [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"
#> [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"
#> [1] "21d 0H 0M 0S"
years(1)
## [1] "1y 0m 0d 0H 0M 0S"
#> [1] "1y 0m 0d 0H 0M 0S"
10 * (months(6) + days(1))
## [1] "60m 10d 0H 0M 0S"
#> [1] "60m 10d 0H 0M 0S"
days(50) + hours(25) + minutes(2)
## [1] "50d 25H 2M 0S"
#> [1] "50d 25H 2M 0S"
# Un año bisiesto
ymd("2016-01-01") + dyears(1)
## [1] "2016-12-31 06:00:00 UTC"
#> [1] "2016-12-31 06:00:00 UTC"
ymd("2016-01-01") + years(1)
## [1] "2017-01-01"
#> [1] "2017-01-01"

# Horarios de verano
una_pm + ddays(1)
## [1] "2016-03-13 14:00:00 EDT"
#> [1] "2016-03-13 14:00:00 EDT"
una_pm + days(1)
## [1] "2016-03-13 13:00:00 EDT"
#> [1] "2016-03-13 13:00:00 EDT"
10 * (months(6) + days(1))
## [1] "60m 10d 0H 0M 0S"
#> [1] "60m 10d 0H 0M 0S"
days(50) + hours(25) + minutes(2)
## [1] "50d 25H 2M 0S"
#> [1] "50d 25H 2M 0S"
  • intervalos

25.16.1 Multiplicaciones y sumas de fechas

25.17 Períodos

  • seconds()
  • minutes()
  • hours()
  • days()
  • months()
  • weeks()
  • years()

25.17.1 Multiplicaciones y sumas de periodos

25.18 Intervalos

  • %–% start end

25.19 Resumen

  1. Ejercicios:

Hacer los ejercicios en la sección 16.4.5 del libro en español

25.20 Time zones

  • Sys.timezone()
  • head(OlsonNames())
  • tz= “”
  1. Ejercicios:

Seleccionar 3 archivos de los vuelos que salen o llegan a PR, (el código del aeropuerto es “SJU”) de la base de datos de https://www.transtats.bts.gov/DL_SelectFields.asp?Table_ID=236 Pueden ser el mismo mes en 3 diferentes años o 3 diferentes meses en el mismo año.

  • Repite la mayoría de los análisis enseñado arriba (como práctica).

  • Evaluar el tiempo de retraso de los vuelos que salen de SJU en cada periodo seleccionado, y haz una gráfica para visualizar el patrón

  • Cuál es el día preferible para no tener retraso

  • Cuál es la mejor hora de salida para no tener retraso

  • Compara por lo menos 3 diferentes líneas saliendo de SJU y el periodo de retraso.