记录R语言在时间序列分析中的一些常用写法
2018-03-23 13:51
417 查看
由于经常在不同语言中切换,需要记录时间序列开发中常遇到实用写法,暂置于此,不断修改中。。。
例如输出:
[1] "xts" "zoo"
例如输出:
[1] "2017-04-05 CST"
为了避免麻烦,需保证两个序列时间不重叠
这个写法如此不同,左侧一般是变量,这里竟然是一个动作,R 语言有独到之处。
文件中数据,用","区分数据列,没有header
以,分隔字段,不写入列名;
其中第一列是时间,格式 2017-12-08 或 2017-12-08 08:09:30
常用的库
library(DMwR) library(xts) library(quantmod) library(jsonlite) library(RCurl)
查看变量的类型
class(theTS)
例如输出:
[1] "xts" "zoo"
取时间序列的首尾时间
start(theTS)
例如输出:
[1] "2017-04-05 CST"
end(theTS)
合并两个时间序列
rbind.zoo(currentTS,historyTS)
为了避免麻烦,需保证两个序列时间不重叠
改时间序列的列名
names(theTS) <- c("Open", "High","Low", "Close", "Volume" , "Amount")
这个写法如此不同,左侧一般是变量,这里竟然是一个动作,R 语言有独到之处。
异常处理
tryCatch({ ..... }, error=function(e){ ... Sys.sleep(3) ... }, finally={} )
从文件读数据
theData <- na.omit(read.table(theFileName,sep=",",header=F,fill=TRUE,fileEncoding ="gb18030"))
文件中数据,用","区分数据列,没有header
写入文件
write.zoo(theTS,theFile,sep=",",col.names=FALSE)
以,分隔字段,不写入列名;
转换为时间序列
theTS <- try.xts(theData[,c(2)],as.POSIXct(theData[,1],tryFormats = c("%Y-%m-%d %H:%M:%OS","%Y-%m-%d")))
其中第一列是时间,格式 2017-12-08 或 2017-12-08 08:09:30
读取JSON数据
aa <- fromJSON(theURL)
画K线图
getVolume <- function(da){ da[,"Volume"] } addVolumeToChart <- newTA(FUN=getVolume,col=1,legend="Volume") chartSeries(last(theData,100) ,name=sym,type="candlesticks", theme = 'white',up.col = 'red',dn.col = 'green', TA=c( addVolumeToChart()))
相关文章推荐
- R语言时间序列分析
- 时间序列分析(1)R语言-计算简单收益率
- 常用时间序列分析方法
- R语言与数据分析之九:时间内序列--HoltWinters指数平滑法
- 时间序列数据库——索引用ES、聚合分析时加载数据用什么?docvalues的列存储貌似更优优势一些
- R语言入门(1)时间序列分析
- 时间序列分析记录一
- R语言 时间序列分析之ARIMA模型预测
- R语言与数据分析之八:时间序列--霍尔特指数平滑法
- R语言实现金融数据的时间序列分析及建模
- 时间序列数据库——索引用ES、聚合分析时加载数据用什么?docvalues的列存储貌似更优优势一些。那分布式计算呢?ES做
- R语言与数据分析之六:时间序列简单介绍
- R(2)时间序列分析及应用之TSA安装(R语言)
- R语言与数据分析之八:时间序列--霍尔特指数平滑法
- 时间序列分析及应用 R语言 读书笔记 03
- R语言2——时间序列分析
- 金融时间序列分析:6. AR模型实例(R语言)
- 时间序列分析及应用 R语言 读书笔记 02
- R语言时间序列分析之ARIMA模型预测
- R语言处理时间序列过程中的一些收获