如何从R中的时间序列数据集中提取每年

如何解决如何从R中的时间序列数据集中提取每年

我有一个时间序列数据集EuStockMarket。它包含对1991年至1998年四个股市的观察。我想每年分别提取。

data(EuStockMarkets)
str(EuStockMarkets)

解决方法

使用tsibble包尝试一下：

library(tsibble)

tsbl <- as_tsibble(EuStockMarkets)

tsbl %>%
  group_by_key() %>%
  index_by(year = ~ year(.))

# A tsibble: 7,440 x 4 [1s] <UTC>
# Key:       key [4]
# Groups:    key @ year [32]
   index               key   value  year
   <dttm>              <chr> <dbl> <dbl>
 1 1991-07-01 02:18:33 DAX   1629.  1991
 2 1991-07-02 12:00:00 DAX   1614.  1991
 3 1991-07-03 21:41:27 DAX   1607.  1991
 4 1991-07-05 07:22:55 DAX   1621.  1991
 5 1991-07-06 17:04:22 DAX   1618.  1991
 6 1991-07-08 02:46:21 DAX   1611.  1991
 7 1991-07-09 12:27:49 DAX   1631.  1991
 8 1991-07-10 22:09:16 DAX   1640.  1991
 9 1991-07-12 07:50:44 DAX   1635.  1991
10 1991-07-13 17:32:11 DAX   1646.  1991
# ... with 7,430 more rows

,

问题中的输入EuStockMarkets是一个ts对象，因此我们假设该问题正在寻找每年包含一个组成部分的ts对象的列表。我们提供以下解决方案。在每种情况下，年份都用作列表组成部分的名称。

1）动物园

从ts转换为zoo类，以便我们可以使用split.zoo，按年分割（时间的整数部分是年份），然后转换回ts。 （如果可以列出动物园中的所有对象，则可以忽略lapply。）

library(zoo)
lapply(split(as.zoo(EuStockMarkets),as.integer(time(EuStockMarkets))),as.ts)

2）基础

此解决方案不像（1）那样紧凑，但是如果您需要避免依赖包，则不使用任何依赖。它首先将时间向量分割为年份，然后针对每个组件使用窗口提取该年份的子序列，从而给出ts对象的列表。

spl <- split(time(EuStockMarkets),as.integer(time(EuStockMarkets)))
Map(window,start = Map(min,spl),end = Map(max,list(EuStockMarkets))

,

选项1

您可以拆分类似矩阵的ts对象，并按Map()重建每年的时间序列。最终输出是一个列表，其中包含1991年至1998年的ts个对象。您可以使用$符号提取每年。

tm <- time(EuStockMarkets)
res1 <- Map(ts,split(as.data.frame(EuStockMarkets),floor(tm)),tm[c(T,cycle(EuStockMarkets)[-1] == 1)],frequency = frequency(EuStockMarkets))

---

选项2

另一种无需拆分数据的解决方案，可能会稍微提高效率。

cyc <- cycle(EuStockMarkets)[-1] ; tm <- time(EuStockMarkets)
res2 <- Map(window,list(EuStockMarkets),cyc == 1)],tm[c(cyc == 1,T)])
names(res2) <- sapply(res2,start)[1,]

---

输出

res1$`1991`

# Time Series:
# Start = c(1991,130) 
# End = c(1991,260) 
# Frequency = 260 
#              DAX    SMI    CAC   FTSE
# 1991.496 1628.75 1678.1 1772.8 2443.6
# 1991.500 1613.63 1688.5 1750.5 2460.2
# 1991.504 1606.51 1678.6 1718.0 2448.2
# etc.

res1$`1998`

# Time Series:
# Start = c(1998,1) 
# End = c(1998,169) 
# Frequency = 260 
#              DAX    SMI    CAC   FTSE
# 1998.000 4132.79 6044.7 2858.1 5049.8
# 1998.004 4132.79 6046.7 2874.1 5013.9
# 1998.008 4132.79 6046.7 2874.1 5013.9
# etc.