#轉(zhuǎn)成時間序列類型

x = rnorm(2)

charvec = c(“2010-01-01”,”2010-02-01”)

zoo(x,as.Date(charvec))? ???#包zoo

xts(x, as.Date(charvec))? ???#包xts

timeSeries(x,as.Date(charvec))??#包timeSeries

#規(guī)則的時間序列，數(shù)據(jù)在規(guī)定的時間間隔內(nèi)出現(xiàn)

tm = ts(x,start = c(2010,1), frequency=12 )??#12為按月份，4為按季度，1為按年度

zm = zooreg(x,start = c(2010,1), frequency=12 )??#包zoo

xm = as.xts(tm)? ???#包xts

sm = as.timeSeries(tm) #包timeSeries

#判斷是否為規(guī)則時間序列

is.regular(x)

#排序

zoo()和xts()會強制變換為正序（按照時間名稱）

timeSeries不會強制排序；其結(jié)果可以根據(jù)sort函數(shù)排序，也可以采用rev()函數(shù)進行逆序；參數(shù)recordIDs，可以給每個元素（行）標記一個ID，從而可以找回原來的順序

#預設(shè)的時間有重復的時間點時

zoo會報錯

xts按照升序排列

timeSeries把重復部分放置在尾部；

#行合并和列合并

#都是按照列名進行合并，列名不同的部分用NA代替

cbind()

rbind()

merge() 列合并

#取子集

xts()默認將向量做成了矩陣；其他與常規(guī)向量或者矩陣沒有差別

#缺失值處理

na.omit(x)

x[is.na(x)] = 0

x[is.na(x)] = mean(x,na.rm=TRUE)

x[is.na(x)] = median(x,na.rm=TRUE)

na.approx(x)??#對缺失值進行線性插值

na.spline(x)? ?#對缺失值進行樣條插值

na.locf(x)? ???#末次觀測值結(jié)轉(zhuǎn)法

na.trim(x, sides=”left” )??#去掉最后一個缺失值

#對timeSreies數(shù)據(jù)

na.omit(x, “ir” )??#去掉首末位置的缺失值

na.omit(x, “iz” )??#用替換首末位置的缺失值

na.omit(x, “ie” )??#對首末位置的缺失值進行插值

na.omit(x, method=“ie”, interp= c(“before”,”linear”,”after”) ) #可以選擇插值方法，before末次觀測值法，after下次觀測結(jié)轉(zhuǎn)法

as.contiguous(x)??#返回x中最長的連續(xù)無缺失值的序列片段，如果有兩個等長的序列片段，則返回第一個。

#時間序列數(shù)據(jù)的顯示

#zoo和xts都只能按照原來的格式顯示，timeSeries可以設(shè)置顯示格式

print(x, format= “%m/%d/%y %H:%M”)??#%m表示月，%d表示天，%y表示年，%H表示時，%M表示分鐘，%A表示星期，%j表示天的序號

#timeSeries也可以按照ts的格式顯示

print(x, style=”ts”)

print(x, style=”ts”, by=”quarter”)