Capítulo24 Fechas, horas y minutas

Fecha de la ultima revisión

## [1] "2024-11-07"

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

24.1 Temas:

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

24.2 Creando fechas/horas

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"

24.3 El paquete `lubridate`

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

today()

## [1] "2024-11-07"

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.

24.3.1 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 quatrimestre.

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"), # redondea al mes más cercano
    techo = ceiling_date(fecha, unit = "day"), # redondea al día más cercano
    suelo = floor_date(fecha, unit = "month"), # 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>

24.4 Intervalos y duraciones

La función interval() crea un objeto R de intervalo de tiempo. En este caso, el intervalo entro la fecha en la tabla, y el día de hoy. Nota que esto puede ser muy util 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--2024-11-07 UTC
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2024-11-07 UTC
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2024-11-07 UTC
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2024-11-07 UTC
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2024-11-07 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--2024-11-07 UTC   184636800
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2024-11-07 UTC   176943300
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2024-11-07 UTC   170395200
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2024-11-07 UTC  5204867267
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2024-11-07 UTC 48088061727

24.5 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--2024-11-07 UTC
## 2 002    2019-03-31 01:05:00 2019-03-31 01:05:00 UTC--2024-11-07 UTC
## 3 003    2019-06-14 20:00:00 2019-06-14 20:00:00 UTC--2024-11-07 UTC
## 4 004    1859-12-01 11:32:13 1859-12-01 11:32:13 UTC--2024-11-07 UTC
## 5 005    0501-01-01 05:04:33 0501-01-01 05:04:33 UTC--2024-11-07 UTC

Para saber el número del 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   2137     5.85
## 2 002    2019-03-31 01:05:00   2048.    5.61
## 3 003    2019-06-14 20:00:00   1972.    5.40
## 4 004    1859-12-01 11:32:13  60242.  165.  
## 5 005    0501-01-01 05:04:33 556575. 1524.

#Cuantos años de diferencia en el intervalo?

Intervalo entre una lista de fecha y otra fecha y hora

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.

24.6 Ejercicio

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

 dias = "2018-08-14 00:00:00" %--% today() /  days()
dias

## [1] 2277

millisecond = "2018-08-14 00:00:00" %--% today() /  milliseconds()

millisecond

## [1] 196732800000

Los resultados se pueden visualizar usando ggplot2

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

24.7 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

24.8 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 184636800s (~5.85 years)     
## 2 002    2019-03-31 01:05:00 176943300s (~5.61 years)     
## 3 003    2019-06-14 20:00:00 170395200s (~5.4 years)      
## 4 004    1859-12-01 11:32:13 5204867267s (~164.93 years)  
## 5 005    0501-01-01 05:04:33 48088061727s (~1523.82 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 < ddays(2000))

## # A tibble: 1 × 3
##   codigo fecha               desde_hoy              
##   <chr>  <dttm>              <Duration>             
## 1 003    2019-06-14 20:00:00 170395200s (~5.4 years)

5*365

## [1] 1825

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: 3 × 3
##   codigo fecha               desde_hoy               
##   <chr>  <dttm>              <Duration>              
## 1 001    2019-01-01 00:00:00 184636800s (~5.85 years)
## 2 002    2019-03-31 01:05:00 176943300s (~5.61 years)
## 3 003    2019-06-14 20:00:00 170395200s (~5.4 years)

24.8.1 Funciones

today()
now()

today()

## [1] "2024-11-07"

now()

## [1] "2024-11-07 13:40:05 AST"

24.8.2 Fechas con años, meses y días

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

24.8.3 Fechas con horas, minutos y segundos

ymd_hms()
ymd_hm()
ymd_h()
ydm_hms()
ydm_hm()
etc

24.8.4 Fechas

yq() Year quarter (quaters 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 necesaramente hace lo mismo.

24.9 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, ~fechas,
                    1, "1/1/30",
                    2, "1/30/01",
                    3, "1/30/09")

Datos_raros

## # A tibble: 3 × 2
##     Ind fechas 
##   <dbl> <chr>  
## 1     1 1/1/30 
## 2     2 1/30/01
## 3     3 1/30/09

Datos_raros %>%
  mutate(nueva_fecha = mdy(fechas))

## # A tibble: 3 × 3
##     Ind fechas  nueva_fecha
##   <dbl> <chr>   <date>     
## 1     1 1/1/30  2030-01-01 
## 2     2 1/30/01 2001-01-30 
## 3     3 1/30/09 2009-01-30

Datos_raros$fecha2=as.Date(as.Date(format(as.Date(Datos_raros$fechas, format="%m/%d/%Y"), "19%y%m%d"), "%Y%m%d"))

Datos_raros

## # A tibble: 3 × 3
##     Ind fechas  fecha2    
##   <dbl> <chr>   <date>    
## 1     1 1/1/30  1930-01-01
## 2     2 1/30/01 1901-01-30
## 3     3 1/30/09 1909-01-30

24.10 %/%: 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

24.11 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>

24.11.0.1 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"
mdy(d1)

## [1] "2010-01-01"

d2 <- "2015-Mar-07"
ymd(d2)

## [1] "2015-03-07"

d3 <- "06-Jun-2017"
dmy(d3)

## [1] "2017-06-06"

d4 <- c("Aug 19 (2015)", "Jul 1 (2015)")
mdy(d4)

## [1] "2015-08-19" "2015-07-01"

d5 <- "12/30/14" # Diciembre 30, 2014
mdy(d5)

## [1] "2014-12-30"

d6 <- "ene 1, 2010"
mdy(d6)

## [1] NA

d7 <- c("Agosto 19 (2015)", "Julio 1 (2015)")
mdy(d7)

## [1] NA NA

d1

## [1] "Jan 1, 2010"

d2

## [1] "2015-Mar-07"

d3

## [1] "06-Jun-2017"

d4

## [1] "Aug 19 (2015)" "Jul 1 (2015)"

d5

## [1] "12/30/14"

d6

## [1] "ene 1, 2010"

d7

## [1] "Agosto 19 (2015)" "Julio 1 (2015)"

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

Ejercicios:

Hacer los ejercicios en la sección 16.2.4 del libro en español

24.12 Extrayendo parte de las fecha-hora

year()
month()
mday()
yday()
wday()
ceiling_date()
floor_date()
round_date()

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 casuadas por los vuelos programados que salen más temprano. Pista: crea una variable binaria que te diga si un vuelo tuvo o no demora.

24.13 Lapso de tiempo

24.14 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 78796 days

as.duration(edad_h)

## [1] "6807974400s (~215.73 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)"

24.15 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] "2024-11-06"

anio_pasado

## [1] "2023-11-07 18:00:00 UTC"

24.16 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

24.16.1 Multiplicaciones y sumas de fechas

24.17 Períodos

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

24.17.1 Multiplicaciones y sumas de periodos

24.18 Intervalos

%–% start end

24.19 Resumen

Ejercicios:

Hacer los ejercicios en la sección 16.4.5 del libro en español

24.20 Time zones

Sys.timezone()
head(OlsonNames())
tz= “”

Ejercicios:

Seleccionar 3 archivos de los vuelos que salen o llegan a PR, (el codigo 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 diferente años o 3 diferentes mese en el mismo año.

Repite la mayoría de los análisis enseñado arriba (como practica).
Evaluar el tiempo de retrazo de los vuelos que salen de SJU en cada periodo seleccionado, y haz una gráfica para visualizar el patrón
Cual es el día preferible para no tener retraso
Cual es la mejor hora de salida para no tener retraso
Compara por lo menos 3 diferentes lineas saliendo de SJU y el periodo de retrazo.