Prenotazioni di bellezza

«Le date e gli orari sono cose che insegniamo ai bambini piccoli. Quanto può essere difficile?»

Molti programmatori hanno commesso questo errore, e l'esperienza che ne segue tende ad avere un effetto negativo sulla loro salute e felicità.

Chiunque faccia programmazione non banale con date e orari dovrebbe almeno essere preparato a comprendere e mitigare i potenziali problemi.

Questo documento tenterà di dare una panoramica di come R gestisce date e orari, ma per ulteriori dettagli sarà necessario consultare la documentazione completa.

In quanto linguaggio di data science, in R date e orari hanno un'importanza particolare. Gran parte dei dati arriva sotto forma di serie temporali: numero giornaliero di pazienti durante un'epidemia, dati mensili sull'occupazione riportati dai governi, popolazioni di uccelli in una colonia nidificante, PIL annuale delle principali economie, e infiniti altri esempi.

«Questo significa che R rende semplice la gestione di date e orari?»

Purtroppo no!

La funzionalità per date e orari in Base R ha una cattiva reputazione e oggi la maggior parte è usata raramente.

Il pacchetto lubridate è un grande miglioramento, ma preparati a una libreria grande e complicata, progettata per gestire una gamma ampia e complicata di problemi.

Originariamente indipendente, lubridate è ora incluso nella raccolta tidyverse. Caricalo con library(lubridate) o library(tidyverse).

Tra le risorse che ti aiutano a lavorare con lubridate ci sono:

• Una pagina di riferimento.
• Un cheatsheet in formato PDF.
• un capitolo in R for Data Science.

Date e datetime

Una date è semplicemente un giorno, senza informazioni sull'orario.

Internamente, le date sono memorizzate come il numero (con segno) di giorni trascorsi da 1970-01-01.

today()
#> [1] "2026-04-22"

Un datetime combina informazioni su data, ora e fuso orario.

Internamente, è memorizzato come il numero di secondi dall'inizio del 1970 nel fuso orario UTC.

now()
#> [1] "2026-04-22 15:37:11 MST"  # mid-afternoon in Arizona

Forse sorprendentemente, R non ha una rappresentazione interna per valori di sola ora.

Lavorare con i valori date e datetime

Forse le esigenze più frequenti relative a date e orari sono:

• Analizzare un formato di input appropriato per costruire una data o un datetime.
• Ottenere il formato numerico o di stringa richiesto da una data o un datetime.
• Applicare un offset a un valore di data o datetime.
• Calcolare l'intervallo di tempo tra due di questi valori.
• Ottenere la data corrente (con today()) e/o il datetime corrente (con now()).

Analizzare dalle stringhe

Ci sono molti modi per scrivere date e orari, che tendono a essere specifici di una cultura. Le date tutte numeriche come «7/6/23» sono ambigue, confusionarie e hanno portato a molti errori costosi in organizzazioni multinazionali (l'autore lo dice per amara esperienza personale).

Lo standard internazionale (a-m-g) è definito in ISO 8601, con due vantaggi principali:

• L'analisi è rapida e senza ambiguità.
• L'ordinamento è semplice, perché il datetime può essere trattato come testo normale e ordinato alfabeticamente.

Tuttavia, la data science significa lavorare con qualunque dato tu riesca a trovare. Spesso è inutile lamentarsi di come gli altri lo formattano.

Base R ha funzioni di conversione che accettano una stringa di formato (predefinita a ISO 8601).

as.Date("2026-04-22")
#> [1] "2026-04-22"
as.Date("4/22/26", format = "%m/%d/%y")
#> [1] "2026-04-22"
as.POSIXct("2026-04-22 15:30:09 MST")
#> [1] "2026-04-22 15:30:09 MST"

Le stringhe di formato somigliano alla funzione strptime(), che esiste da decenni ed è inclusa in molti linguaggi. Chi conosce questa sintassi può, se vuole, usare la funzione fast_strptime() di lubridate.

Più utile ancora, lubridate fornisce una vasta gamma di funzioni ausiliarie, con nomi che rappresentano l'ordine dei campi. Una volta che le funzioni sanno quali valori cercare e in quale ordine, l'analisi è sorprendentemente flessibile.

mdy("4/22/26")
#> [1] "2026-04-22"
mdy("April 22nd 26")
#> [1] "2026-04-22"
mdy("Wednesday, April 22nd 2026")
#> [1] "2026-04-22"
mdy_hm("Wednesday, April 22nd 2026, 4:14 pm")
#> [1] "2026-04-22 16:14:00 UTC"  # defaults to your OS timezone

Costruire da valori numerici

Nelle situazioni in cui il tuo programma ha i componenti di una data o di un datetime come numeri separati, è possibile assemblarli con make_date() o make_datetime().

Questi sono i componenti che si possono fornire, con il loro ordine e i valori predefiniti:

make_datetime(
  year = 1970L,
  month = 1L,
  day = 1L,
  hour = 0L,
  min = 0L,
  sec = 0,
  tz = "UTC"
)
#> [1] "1970-01-01 UTC"


make_datetime(2026, 4, 22, 17)
#> [1] "2026-04-22 17:00:00 UTC"

Naturalmente, make_date() accetta solo gli argomenti year, month e day.

Produrre un output leggibile dall'uomo

La console di R visualizza automaticamente date e datetime come rappresentazione di stringa. Di solito è comodo, ma a volte fuorviante.

Internamente, date e datetime sono numeri (più qualche attributo), non stringhe. Restituire una data o un datetime quando ci si aspetta una stringa causerà problemi, quindi dobbiamo sapere come fare la conversione.

Un approccio semplice è usare as.character() di Base R, che produce una stringa in formato ISO 8601.

Esiste anche una funzione format_ISO8601() per i datetime, che ha opzioni per arrotondare a una precisione desiderata.

today() |> as.character()  # a date
#> [1] "2026-04-23"
now() |> as.character()  # a datetime
#> [1] "2026-04-23 09:07:09.779319"
now() |> format_ISO8601() # defaults to nearest second
#> [1] "2026-04-23T09:07:38"

Pochi non programmatori vogliono vedere un output in ISO 8601, quindi gestire formati di date e orari specifici di una cultura è essenziale.

Base R fornisce la funzione format(), che usa stringhe di formato simili alle venerabili funzioni strftime() incluse in molti altri linguaggi.

format(today(), "%A, %d %B %Y")
#> [1] "Thursday, 23 April 2026"

Quell'approccio di Base R è brutto ma affidabile. Questi sono alcuni dei codici più comuni:

Lubridate mira a fornire un'alternativa più adatta agli esseri umani con la funzione stamp(), e le più specifiche stamp_date() e stamp_time().

Queste accettano una stringa modello che è un esempio dell'output desiderato, e creano una funzione personalizzata per generare quel formato.

Lubridate tenta di indovinare il formato, ma spesso incontra ambiguità e produce il risultato sbagliato. Preparati a fornire stringhe di formato (come "dmy") per risolvere le ambiguità.

Per Exercism, può anche essere utile specificare locale = "C", per aggirare la locale di sistema e lavorare in inglese (come si aspettano i test). Le locale sono complicate!

sf <- stamp("Saturday, June 27, 2026 at 14:45", locale = "C")
#> Multiple formats matched: "%A, %B %d, %Y at %H:%M"(1), "Saturday, %Om %d, %Y at %H:%M"(1), "Saturday, %B %d, %Y at %H:%M"(1), "%A, %Om %d, %Y at %H:%M"(0)
#> Using: "%A, %B %d, %Y at %H:%M"

sf(make_datetime(2023, 3, 29, 15, 0, 0))
#> [1] "Wednesday, March 29, 2023 at 15:00"

Impostare o estrarre componenti

Lubridate fornisce molte funzioni per ottenere o impostare elementi di una data o di un datetime: quelle ovvie come year() e second(), ma anche altre più specifiche come quarter() e epiweek().

Tutte queste funzioni possono essere usate per ottenere un valore, e la maggior parte può anche essere usata per impostarlo.

dt <- now()
dt
#> [1] "2026-04-23 15:47:11 MST"

# get
month(dt)
#> [1] 4

# set
month(dt) <- 11
dt
#> [1] "2026-11-23 15:47:11 MST"

Per wday() (giorno della settimana) e month(), l'output predefinito è un numero intero, ma:

• Impostando labels = TRUE si ottiene una stringa di caratteri abbreviata corrispondente alla locale corrente.
• Impostando anche abbr = FALSE si ottiene il nome completo.

d <- today()
d
#> [1] "2026-04-23"
wday(d)
#> [1] 5
wday(d, label = TRUE)
#> [1] Thu
#> Levels: Sun < Mon < Tue < Wed < Thu < Fri < Sat
wday(d, label = TRUE, abbr = FALSE)
#> [1] Thursday
#> Levels: Sunday < Monday < Tuesday < Wednesday < Thursday < Friday < Saturday

Le etichette sono categorical variables, che saranno l'argomento di un altro Concetto. I valori sono limitati ai Levels elencati, che mostrano anche l'ordine di ordinamento.

La settimana inizia di domenica per impostazione predefinita, ma questo si può cambiare con l'argomento week_start (usa 1 per lunedì).

dt <- make_datetime(2026, 4, 23)

# default behavior
wday(dt)
#> [1] 5
wday(dt, label = T)
#> [1] Thu

# set week_start to Monday
wday(dt, week_start = 1)
#> [1] 4

Alcune funzioni di utilità restituiscono valori TRUE/FALSE, come leap_year() e dst() (l'ora legale è attiva?).

I mesi hanno lunghezze diverse, quindi days_in_month() fornisce il valore intero.

Intervalli di tempo

Sia i valori date che i valori datetime rappresentano un istante lungo la linea temporale.

Come gestiamo concetti come «questa stessa ora di ieri» o «tra una settimana»?

Chi ha familiarità con altri linguaggi orientati alla scienza potrebbe conoscere datetime.timedelta in Python o il tipo Period in Julia.

Al contrario, R ha nientemeno che tre modi per rappresentare gli intervalli di tempo, con punti di forza e limiti diversi. Come sempre, scegli quello più adatto al tuo contesto.

I vari intervalli possono essere convertiti facilmente l'uno nell'altro, con as.period(), as_duration() e as.interval().

I tipi di intervallo si possono interrogare con is.period(), ecc.

Periodi

Un period, come hours(3), può essere usato per aumentare di 3 ore un orario.

Le irregolarità come l'ora legale (DST) sono in gran parte ignorate.

Tutti i periodi sono il nome al plurale di un'unità: years, weeks, ecc.

d <- today()
d
#> [1] "2026-04-25"

d + weeks(2)
#> [1] "2026-05-09"

# dates are coerced to datetimes at midnight if necessary
d - hours(20)
#> [1] "2026-04-24 04:00:00 UTC"

hours(3)
#> [1] "3H 0M 0S"

Durate

Una duration, come dhours(3), aumenta di 3 ore il tempo fisico, rispettando irregolarità come l'ora legale che fanno divergere l'orario dal tempo fisico.

Tutte le durate aggiungono un prefisso d al periodo corrispondente: dyears, dweeks, ecc.

dhours(3)
#> [1] "10800s (~3 hours)"

Intervalli

Un interval è una combinazione di un'ora di inizio e una di fine, creato con la funzione interval() oppure con l'operatore infisso %--%.

# the next 2 lines were run about 33s apart, so now() is different
dt1 <- now()
dt2 <- now() + hours(1)

# interval(0 function)
ivl <- interval(dt1, dt2)
ivl
#> [1] 2026-04-24 16:24:54 MST--2026-04-24 17:25:27 MST

# infix operator
iv2 <- dt1 %--% dt2
iv2 == iv1
#> [1] TRUE

Fusi orari

Avere a che fare con i fusi orari può essere difficile. La citazione che segue proviene dalla documentazione di Python, ma è altrettanto pertinente per R:

«Le regole per l'adeguamento degli orari nel mondo sono più politiche che razionali, cambiano spesso, e non esiste uno standard adatto a ogni applicazione all'infuori dell'UTC.»

Alcuni punti generali sui fusi orari:

• Un datetime include sempre un fuso orario (tz); una date non è sensibile al fuso orario.
• I costruttori di datetime di solito usano UTC come impostazione predefinita.
• La funzione now() è un'eccezione: prende l'ora locale dall'orologio di sistema, incluso tz. Per impostazione predefinita si usa il tz locale, ma se ne possono specificare altri, come now("UTC").

# timezone defaults to UTC
local <- ymd_hm("2026-04-25 10:32")
local
#> [1] "2026-04-25 10:32:00 UTC"

# timezone can be specified
AZ <- ymd_hm("2026-04-25 10:32", tz = "America/Phoenix")
AZ
#> [1] "2026-04-25 10:32:00 MST"

# same clocktime, different tz
local - AZ
#> Time difference of -7 hours

L'aritmetica legata ai fusi orari è più affidabile con le durate che con i periodi.

Conclusione

Lavorare con date e datetime di solito è molto più semplice con lubridate che con Base R.

Questo Concetto ha cercato di dare una panoramica, ma inevitabilmente tralascia moltissimi dettagli.

A rischio di ripetermi: la documentazione è tua amica, quindi usala.