Manipuler facilement vos formats date avec lubridate

Alioune SALL et Arona DIOP

2017-04-19

Version PDF de cette page web : lubridate.pdf

1 Introduction

L’analyse de données contenant des dates peut être un véritable défi si on n’est pas doté d’un outil performant. En effet, les données sur les dates peuvent être de différents formats, ce qui peut créer des erreurs si on n’a pas le programme adapté. Aussi, on pourrait être intéressé par le passage d’un fuseau horaire à un autre ou encore les zones qui appliquent l’heure d’été et celles qui ne l’appliquent pas. Les opérations arithmétiques avec les dates ne sont pas faciles. Cette difficulté résulte du fait que la durée d’une année, d’un mois, … change en raison, entre autres, des secondes intercalaires.

Bien que le R de base permet de résoudre certains de ces problèmes, la syntaxe peut être difficile à retenir et elle peut changer selon la classe de l’objet utilisé. C’est pour remédier, en partie, à ces difficultés que le package lubridate a été créé. Il fournit également de nouveaux outils pour analyser les données de type date.

2 Différentes fonctionnalités de lubridate

Le package lubridate offre une panoplie de fonctionnalités qui rendent plus conviviales les opérations effectuées sur les données de type date. En effet, avec ses plus de 50 fonctions, lubridate constitue un outil très puissant et efficace pour manipuler les dates (temps, période, intervalle de temps, laps de temps, …).

Dans cette section, il sera présenté les grandes fonctionnalités de ce package.

2.1 Analyse de données

lubridate vient avec des fonctions très intuitives. Ainsi, la fonction today() fournit l’information sur la date d’aujourd’hui et la commande now() apporte une précision supplémentaire quant à l’heure exacte.

today()
## [1] "2021-01-13"
now()
## [1] "2021-01-13 14:05:24 EST"

Pour analyser une donnée de type date, il faut d’abord identifier l’ordre dans lequel l’année, le mois et le jour apparaissent dans la chaîne de caractères et ensuite mettre les lettres y (année), m (mois) et d (jours) dans le même ordre que notre chaîne de caractères. Par exemple avec cette procédure, nous pouvons obtenir l’une des fonctions suivantes : ymd(), ydm() , dmy() , dym() , etc.

Pour voir comment fonctionnent ces fonctions, nous allons essayer avec la date 2017-03-21. Nous devons entourer la date par des guillemets.

ymd("2017-03-21")
## [1] "2017-03-21"

Bien vrai que la date 2017-03-21 est donnée dans un format assez standard, lubridate est aussi en mesure d’interpréter et de comprendre différents formats de date et d’heure. Nous utilisons ydm() pour analyser 2017 17 Mars.

ydm("2017 17 Mars")
## [1] "2017-03-17"

Ci-après, quelques illustrations avec d’autres types de formats sont présentées :

ymd("2017 Mars, 17")
## [1] "2017-03-17"
myd("Mars, 2017, 1")
## [1] "2017-03-01"
dmy("13082017")
## [1] "2017-08-13"
dmy("150118")
## [1] "2018-01-15"

Les fonctions de type ymd() existent également avec les heures, les minutes et les secondes. En effet, de manière similaire, en combinant les lettres “h” (heure), “m” (minute) et “s” (seconde), nous pouvons obtenir les fonctions hms() , ms() , hm() , etc.

hms("05:34:43")
## [1] "5H 34M 43S"
hm("10.44")
## [1] "10H 44M 0S"

Il est possible d’analyser à la fois des formats contenant des dates et heures. Pour ce faire, il suffit de regrouper les fonctions dates et les fonctions heures à l’aide de "_". Pour lire les dates avec un certain fuseau horaire, fournissez le nom officiel de ce fuseau horaire dans l’argument tz. Pour avoir plus de détails sur les noms des fuseaux horaires, visitez le lien suivant http://en.wikipedia.org/wiki/List_of_tz_database_time_zones.

ymd_hms("2017/05/12 00:34:43")
## [1] "2017-05-12 00:34:43 UTC"
ymd_hms("2017/09/21 10:34:43", tz = "America/Toronto")
## [1] "2017-09-21 10:34:43 EDT"
ymd_hms("2017/01/29 5:34:43", tz = "Africa/Abidjan")
## [1] "2017-01-29 05:34:43 GMT"

Ces fonctions créent un objet POSIXct date-time qui correspond à la date décrite par la chaîne de caractères référencée en argument. Elles reconnaissent automatiquement les séparateurs couramment utilisés pour enregistrer les dates : "/" ; "-" ; "," ; "." et "" (c’est-à-dire aucun séparateur).

Quand une fonction mdy() est appliquée à un vecteur de dates, lubridate supposera que toutes les dates stockées dans ce vecteur ont le même ordre (dans notre exemple, l’ordre est mois -> jour -> année) et ceci fonctionne quels que soient les séparateurs utilisés.

x <- c('February 20 2016',
"01/14/2017",
"110415",
'Feb 20th 19')
mdy(x, locale = "English")
## [1] "2016-02-20" "2017-01-14" "2015-11-04" "2019-02-20"

Cet exemple a aussi servi à illustrer l’argument locale, qui permet d’utiliser dans les noms de mois une autre langue que celle du système d’exploitation.

2.2 Manipulation de données

Une donnée de type date-time est une combinaison de différents éléments et chacun vient avec sa propre valeur. La plupart du temps, une date est composée par une valeur qui renseigne sur l’année, une autre valeur sur le mois, celle qui indique le jour et ainsi de suite. Avec lubridate, nous pouvons extraire n’importe laquel de ces composants en utilisant la fonction qui porte son nom (voir illustration sur le tableau 1). Ces fonctions rendent simple l’analyse de n’importe quel objet de type date-time.

Table 2.1: Extraction des composants d’une donnée de type date.
Composants Fonction pour l’extraire
Année year()
Mois month()
Semaine week()
Jour de l’année yday()
Jour du mois mday()
Jours de semaine wday()
Heure hour()
Minute minute()
Seconde second()
Fuseau horaire tz()

Pour illustrer ce principe, nous utilisons l’exemple suivant qui utilise l’heure exacte du système au moment de l’exécution :

maintenant<-now()
maintenant
## [1] "2021-01-13 14:05:24 EST"
year(maintenant)
## [1] 2021
month(maintenant)
## [1] 1
day(maintenant)
## [1] 13
wday(maintenant)
## [1] 4

L’argument label contient les noms de certains composants en anglais.

month(maintenant,label = TRUE)
## [1] Jan
## 12 Levels: Jan < Feb < Mar < Apr < May < Jun < Jul < Aug < Sep < ... < Dec
month(maintenant,label = TRUE ,abbr = FALSE)
## [1] January
## 12 Levels: January < February < March < April < May < June < ... < December
wday(maintenant,label = TRUE, abbr = FALSE)
## [1] Wednesday
## 7 Levels: Sunday < Monday < Tuesday < Wednesday < Thursday < ... < Saturday

2.3 Opérations arithmétiques

Effectuer des opérations arithmétiques avec des données de type date-time est plus compliquée que de l’arithmétique appliquée sur des nombres. Qu’est-ce qui complique l’arithmétique avec les dates? En effet, il y a beaucoup de choses à prendre à la fois en compte notamment :

  • les conditions astronomiques,
  • l’inclinaison de la Terre sur son axe par rapport au soleil,
  • l’heure d’été,
  • les années bissextiles,
  • la seconde intercalaire, également appelée saut de seconde ou seconde additionnelle,
  • etc.

Faire des calculs sur des dates tout en prenant en compte un de ces paramètres pourrait être une opération très lourde et fastidieuse. Heureusement, avec lubridate, ces calculs peuvent être effectués avec précision et facilité.

Si la date de remise de ce TP était le 1er janvier 2017 et que nous voudrions savoir quel jour il ferait un an à partir de cette date, nous pourrions simplement ajouter une année.

ymd(20170101) + years(1)
## [1] "2018-01-01"
ymd(20170101) + dyears(1)
## [1] "2018-01-01 06:00:00 UTC"

Reproduisons les opérations précédentes en prenant maintenant comme date de remise de ce TP le 1er janvier 2016.

ymd(20160101) + years(1)
## [1] "2017-01-01"
ymd(20160101) + dyears(1)
## [1] "2016-12-31 06:00:00 UTC"

Nous remarquons qu’en ajoutant 365 jours à la date du 1er janvier 2016, nous obtenons le 31 décembre 2016. Ceci est dû au fait que 2016 est une année bissextile (en anglais : leap year).

leap_year(2016)
## [1] TRUE
leap_year(2017)
## [1] FALSE

En effet à des moments différents, la longueur des mois, des semaines, des jours, des heures et même des minutes varieront également. Ils sont considérés comme étant des unités relatives de temps. En revanche, les secondes ont toujours une longueur constante. Par conséquent, elles sont des unités de temps exactes. lubridate permet d’effectuer des opérations avec des unités relatives de temps et celles exactes grâce à l’introduction de quatre nouveaux objets liés au temps :

  • instants

Les instants sont des moments précis. La fonction now() retourne des objets de cette classe. Avec l’aide de la fonction is.instant(), nous pouvons tester si une date représente un instant ou pas.

maintenant
## [1] "2021-01-13 14:05:24 EST"
is.instant(maintenant)
## [1] TRUE
is.instant(234)
## [1] FALSE
  • intervals

Les intervals sont des intervalles de temps qui commencent et finissent à des instants bien déterminés (parce qu’ils sont liés à des dates spécifiques). Les intervalles conservent des informations complètes sur un intervalle de temps. Les fonctions pour travailler avec l’objet intervals sont is.interval, as.interval, interval, int_start, int_end,int_shift, int_flip, int_aligns, int_overlaps et %within%. Les intervalles peuvent également être manipulés avec les fonctions suivantes : intersect, union, et setdiff.

date_depart <- dmy_hm("27/12/2016 5:45", tz="Africa/Dakar")
date_arrive <- mdy_hm("dec 28, 2017  19:30", tz="America/Toronto", locale = "English")
duree <- interval(date_depart, date_arrive)
duree
## [1] 2016-12-27 05:45:00 GMT--2017-12-29 00:30:00 GMT
  • periods

Les periods mesurent la variation de temps entre deux instants. Ils fournissent des prédictions robustes sur la date et prennent même en compte le passage à l’heure d’été, les années bissextiles, la seconde intercalaire. Les fonctions pour travailler avec les periods incluent is.period, as.period et period.

Pour plus de commodité, nous pouvons créer une période qui utilise les fonctions suivantes : seconds, minutes, hours, days, weeks, months, ou years.

as.period(duree)
## [1] "1y 0m 1d 18H 45M 0S"
  • durations

Les durations mesurent le temps exact qui s’est écoulé entre deux instants. Cependant lorsque, l’un des évènements suivants : le passage à l’heure d’été, les années bissextiles ou la seconde intercalaire survient entre les deux instants, le résultat obtenu devient moins précis. Les fonctions pour travailler avec les durations sont is.duration, as.duration et duration. Pour plus de commodité, nous pouvons également créer une durée en utilisant les fonctions suivantes : dseconds, dminutes, dhours, ddays, dweeks, ou dyears.

3 Apport par rapport au R de base

La manipulation des dates avec le R de base est parfois difficile voire impossible pour réaliser certaines tâches. De plus, dans les cas où R est capable de le faire, le code est long, ce qui le rend difficile à être reproduit. lubridate est une librairie qui nous permet de pallier à ces insuffisances. Les exemples suivants nous permettront de saisir la différence de ce package avec les fonctionnalités de R de base.

Exemple 1 : création de date

  • avec R de base
dateR  <-  as.POSIXct("01-01-2017", format  =  "%d-%m-%Y", tz="UTC")
dateR
## [1] "2017-01-01 UTC"
  • avec lubridate
dateLubridate  <-  dmy("01-01-2017", tz="UTC")
dateLubridate
## [1] "2017-01-01 UTC"

Exemple 2 : changer la valeur du mois

  • avec R de base
dateR  <-  as.POSIXct(format(dateR, "%Y-2-%d"),  tz  =  "UTC")
dateR
## [1] "2017-02-01 UTC"
  • avec lubridate
month(dateLubridate)  <-  2
dateLubridate
## [1] "2017-02-01 UTC"

lubridate ne nous simplifie pas seulement les codes, mais nous permet de faire plus que le R de base. En effet, dans l’exemple qui suit , lubridate nous permet d’avoir directement l’âge en tenant compte des années bissextiles.

Exemple 3 : Calcul d’âge exact

  • tentative avec R

Essayons de calculer l’âge avec le R de base en divisant le nombre de jours par 365

anni <- as.Date("31/12/2020", format="%d/%m/%Y")
bd <- as.Date("01/01/2000", format="%d/%m/%Y")
age <- as.numeric((anni-bd)/365)
age
## [1] 21.0137

Cette valeur n’est pas exacte puisque l’individu n’a pas encore fêté son 21e anniversaire, cela est dû au fait que, en moyenne, une année dure 365.25 et non 365.

anni <- as.Date("31/12/2020", format="%d/%m/%Y")
bd <- as.Date("01/01/2000", format="%d/%m/%Y")
age <- as.numeric((anni-bd)/365.25)
age
## [1] 20.99932

Si on voudrait maintenant connaitre l’âge au 01-01-1903 d’un individu né en le 01-01-1900, on aurait :

anni <- as.Date("01/01/1903", format="%d/%m/%Y")
bd <- as.Date("01/01/1900", format="%d/%m/%Y")
age <- as.numeric((anni-bd)/365.25)
age
## [1] 2.997947

Or cet individu a exactement 3 ans le 01/01/1903.

Ces différences sont dues au fait que certaines années sont de 365 jours et d’autres 366. Pour avoir le nombre d’années exact, la fonction time_length de lubridate nous permet de représenter la différence en années tout en prenant en compte les années bissextiles.

  • Solution avec lubridate
bd <- ymd("1900-01-01")
anni <- ymd("1903-01-01")
age <- time_length(interval(bd, anni), "years")
age
## [1] 3

4 Forces et faiblesses

4.1 Forces

Dans tout le document, il a été question de montrer les caractères intuitifs des fonctions du package lubridate . En effet, il permet une manipulation simple des dates, comme une arithmétique avec les nombres, ce qui le rend simple à utiliser. Selon les auteurs de cet formidable outil qui sont Garrett Grolemund et Hadley Wickham , “lubridate has a consistent, memorable syntax, that makes working with dates fun instead of frustrating.”

4.2 Faiblesses

Mise à jour 30 mai 2019 :

Les dysfonctionnements dans certains cas spécifiques des fonctions dmy_h et duration qui avaient été relevés en 2017 sont maintenant corrigés (lubridate version 1.7.4).

Text original accompagné des sorties mises à jour (maintenant non problématiques) :

Comme toute oeuvre humaine, ce puissant outil présente quelques failles qui mériteraient d’être corrigées dans les prochaines versions. En effet, nous remarquons qu’il existe un problème avec certaines fonctions :

  • dysfonctionnement dans la fonction dmy_h

Il semble avoir un dysfonctionnement dans la création de cette fonction dmy_h .Cette fonction retourne un sulcature exact pour le jour et le mois. Par contre, elle donne une mauvaise information sur l’année et elle récupère d’ailleurs les deux dernières positions de l’année pour les affecter à la place des heures et positionne les heures à la place réservée aux minutes.

dmy_h("05-07-2017 13")
## [1] "2017-07-05 13:00:00 UTC"
  • problème dans le traitement des valeurs décimales

On constate une limitation du mécanisme d’analyse de l’unité. Les unités fractionnaires ne sont pas encore reconnues. Le résultat retourné est incohérent lorsqu’on utilise les exemples suivants :

duration("0 hours 30 min")
## [1] "1800s (~30 minutes)"
duration("1.5 hours")
## [1] "5400s (~1.5 hours)"