zoo是时间序列的基础库,是面向通用的设计。 xts 是对时间序列库(zoo) 的一种扩展实现。xts 类型继承了zoo 类型,丰富了时间序列数据处理的函数。
一、xts对象的结构和定义
1、xts对象是一个具有时间索引的观测值矩阵,结构如下:
xts = matrix + times
2、创建xts对象,函数如下:
xts (x= , order.by= , … )
参数 x : 数据,必须是一个向量或者矩阵;
order.by: 索引(index),是一个与x行数相同的升序排列的时间对象。
创建示例:
data <- rnorm(5)
dates <- seq(as.Date("2016-01-01"), length = 5, by = "days")
smith <- xts(x = data, order.by = dates)
3、属性(Attr)
xts允许数据绑定任意键值属性,可用来保存对象的元数据。创建xts对象时添加属性,只需要将name=value参数传送给xts()函数。
#使用 POSIXct日期类对象创建bday
bday <- as.POSIXct("1899-05-08")
# 创建xts对象,并新增born属性
hayek <- xts(x = data, order.by = dates, born = bday)
4、分解xts对象
xts 和 zoo的核心是一个简单的R矩阵和一些附加属性,最重要的属性是索引( index)。索引包含了将数据作为时间序列的所有信息。
coredata() 获取xts对象中的矩阵部分。
index() 获取xts对象的index部分。
5、转换成xts对象
as.xts()
6、xts与其他时间序列的主要区别
xts与R大部分其他时间序列对象的主要区别是: xts可以使用表示时间的任何类,不管是POSIXct, Date 还是其他类,xts将它们转换成一种内部格式,使用户尽可能自然地选取子集。
a <- xts(x = 1:2, as.Date("2012-01-01") + 0:1)
a[index(a)]
7、索引的属性
查看索引的类别 indexClass()
查看索引的时区 indexTZ()
显示或修改索引时间格式 indexFormat()
# 修改时间表示格式
indexFormat(temps) <- "%m/%d/%Y"
tzone(), 用于提取或设置时区。
tzone(x) <- "Time_Zone"
Xts对象的索引的原始向量是自UNIX纪元(1970-01-01)以来的累计秒数的向量
.index()可获取索引的原始向量。
以下函数用于提取类似于POSIXlt 类型的时间组件:
.indexday()
.indexmon()
.indexyear()
#创建一个周末日期索引
index <- which(.indexwday(temps) == 0 | .indexwday(temps) == 6)
二、输入和输出xts数据
1、实际应用中从硬盘或者网络中读取数据。
例如,硬盘中的tmp_file文件的内容如下:
a,b
1/02/2015, 1, 3
2/03/2015, 2, 4
输入示例1:
# 读取tmp_file文件
dat<-read.csv(tmp_file)
#将dat转换成xts格式
xts(dat, order.by = as.Date(rownames(dat), "%m/%d/%Y"))
输入示例2:
#使用read.zoo读取tmp_file文件
dat_zoo <- read.zoo(tmp_file, index.column = 0, sep = ",", format = "%m/%d/%Y")
#将dat_zoo转换成xts
dat_xts <- xts(dat_zoo)
输入示例3:
# FUN = as.yearmon将时间字符串转换成更合适的时间类。
sun <- read.zoo(tmp_file, sep = ",", FUN = as.yearmon)
# 转换成xts对象
sun_xts<-xts(sun)
2、 输出xts 对象
主要有两种方式:
1、使用saveRDS() 和readRDS() 将单个R对象序列化。
2、使用 zoo中的函数 write.zoo()
#获取临时文件名
tmp <- tempfile()
#使用zoo将xts对象写入tmp文件
write.zoo(data_xts, sep = ",", file = tmp)
三、查询时间范围
1、查询日期范围
Xts可快速有效地确定日期和时点范围的子集,并提取相应的观测值。
使用特殊字符和日期搭配就可提取xts对象的日期范围。
A["20090825"] ## 20090825
A["201203/201212"] ## 201203至201212
A["/201601"] ## 自 201601开始
2、提取每日时间间隔
# 选取所有日期9:30-16:00之间的观测值
NYSE["T09:30/T16:00"]
3、观测值的更新或替换
# 将dates向量中对应的观测值设置为NA
x[dates] <- NA
# 自2016-06-09至今的观测值修改为0
x["2016-06-09/"] <- 0
4、定位时间周期的开始和结束
last(temps, "1 week")
last(lastweek, 2)
first(lastweek, "-2 days")
可以将first()和last()组合起来使用
#第1周的后3天
last(first(Temps, '1 week'), '3 days')
5、查看时间周期性和次数
periodicity() 查看时间序列的周期
ndays() , nmonths(), nquarters() 查看周期的次数
四、xts对象的合并运算
xts objects在做数学计算时,会遵循时间并且只返回有时间交集的数据。