R语言时间序列基础库zoo_光环大数据培训机构

R语言时间序列基础库zoo_光环大数据培训机构

时间序列分析是一种动态数据处理的统计方法，通过对时间序列数据的分析，我们可以感觉到世界正改变着什么！R语言作为统计分析的利器，对时间序列处理有着强大的支持。在R语言中，单独为时间序列数据定义了一种数据类型zoo，zoo是时间序列的基础，也是股票分析的基础。

本文将介绍zoo库在R语言中的结构和使用。

目录

zoo介绍

zoo安装

zoo的API介绍

zoo使用

1. zoo介绍

zoo是一个R语言类库，zoo类库中定义了一个名为zoo的S3类型对象，用于描述规则的和不规则的有序的时间序列数据。zoo对象是一个独立的对象，包括索引、日期、时间，只依赖于基础的R环境，zooreg对象继承了zoo对象，只能用于规则的的时间序列数据。

R语言的其他程序包，都是以zoo, zooreg为时间序列数据的基础！

2. zoo安装

系统环境

Win7 64bit

R: 3.0.1 x86_64-w64-mingw32/x64 b4bit

zoo安装

~ R> install.packages("zoo")> library(zoo)

3. zoo的API介绍

基础对象

zoo: 有序的时间序列对象

zooreg: 规则的的时间序列对象，继承zoo对象

as.zoo: 把一个对象转型为zoo类型

plot.zoo: 为plot函数，提供zoo的接口

xyplot.zoo: 为lattice的xyplot函数，提供zoo的接口 ggplot2.zoo: 为ggplot2包，提供zoo的接口

数据操作

coredata: 获得和修改zoo的数据部分

index: 获得和修改zoo的索引部分

window.zoo: 按时间过滤数据

merge.zoo: 合并多个zoo对象

read.zoo: 从文件读写zoo序列

rollapply: 对zoo数据的滚动处理

rollmean: 对zoo数据的滚动，计算均值

NA值处理

na.fill: NA值的填充

na.locf: 替换NA值

na.aggregate: 计算统计值替换NA值

na.approx: 计算插值替换NA值

na.StructTS: 计算seasonal Kalman filter替换NA值 na.trim: 过滤有NA的记录

辅助工具

lag.zoo: 计算步长和分差

MATCH: 取交集

ORDER: 值排序，输出索引

显示控制

yearqtr: 以年季度显示时间

yearmon: 以年月显示时间

xblocks: 作图沿x轴分隔图型

make.par.list: 用于给plot.zoo 和 xyplot.zoo 数据格式转换4. zoo使用

1). zoo函数

3). zoo的类型转换

4). ggplot2画时间序列

5). 数据操作

6). 数据滚动处理

7). NA值处理

8). 数据显示格式

9). 按时间分隔做衅

10). 从文件读入zoo序列

1). zoo函数

zoo对象包括两部分组成，数据部分、索引部分。

zoo(x = NULL, order.by = index(x), frequency = NULL)

参数列表：

x: 数据部分，允许向量，矩阵，因子

order.by: 索引部分，唯一字段，用于排序

frequency: 每个时间单元显示的数量

构建一个zoo对象，以时间为索引

> x.Date <- as.Date("2003-02-01") + c(1, 3, 7, 9, 14) - 1> x.Date[1] "2003-02-01" "2003-02-03" "2003-02-07" "2003-02-09" "2003-02-14"> class(x.Date)[1] "Date"> x <- zoo(rnorm(5), x.Date)> x2003-02-01 2003-02-03 2003-02-07 2003-02-09 2003-02-14 0.01964254 0.03122887 0.64721059 1.47397924 1.29109889 > class(x)[1] "zoo"> plot(x)

以数学为索引的，多组时间序列

113 4 8 124 1 5 95 2 6 106 3 7 117 4 8 128 1 5 99 2 6 1010 3 7 11> plot(y)

2). zooreg函数

函数定义：

zooreg(data, start = 1, end = numeric(), frequency = 1,deltat = 1, ts.eps = getOption("ts.eps"), order.by = NULL)

参数列表：

data: 数据部分，允许向量，矩阵，因子

start: 时间部分，开始时间

end: 时间部分，结束时间

frequency: 每个时间单元显示的数量

deltat: 连续观测之间的采样周期的几分之一，不能与frequency 同时出现，例如1/2

ts.eps: 时间序列间隔，在时间间隔大于ts.eps时认为是相等的。

通过getOption(“ts.eps”)设置，默认是1e-05

order.by: 索引部分，唯一字段，用于排序, 继承zoo的order.by

构建一个zooreg对象

> zooreg(1:10, frequency = 4, start = c(1959, 2))1959(2) 1959(3) 1959(4)

1960(1) 1960(2) 1960(3) 1960(4) 1961(1) 1961(2) 1 2 3 4 5 6 7 8 9 1961(3) 10 >

as.zoo(ts(1:10, frequency = 4, start = c(1959, 2)))1959(2) 1959(3) 1959(4) 1960(1) 1960(2) 1960(3) 1960(4) 1961(1) 1961(2) 1 2 3 4 5 6 7 8 9 1961(3) 10>

zr<-zooreg(rnorm(10), frequency = 4, start = c(1959, 2))> plot(zr)

3). zoo的类型转换

转型到zoo类型

> as.zoo(rnorm(5)) 1 2 3 4

5 -0.4892119 0.5740950 0.7128003 0.6282868 1.0289573 >

as.zoo(ts(rnorm(5), start = 1981, freq = 12)) 1981(1) 1981(2)

1981(3) 1981(4) 1981(5) 2.3198504 0.5934895 -1.9375893

-1.9888237 1.0944444

从zoo类型转型到其他类型