时间序列 || plot.xts时间序列可视化
Posted 生存分析
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了时间序列 || plot.xts时间序列可视化相关的知识,希望对你有一定的参考价值。
前言
r-bloggers的一篇博文,让我有动力继续发现xts的强大。xts扩展了zoo的基础数据结构,并提供了更丰富的功能函数。xtsExtra补充库,从可视化的角度出发,提供了一个简单而效果非凡的作图函数plot.xts。
本文将用plot.xts来演示,xts对象的时间序列可视化!
目录
xtsExtra介绍
xtsExtra安装
plot.xts的使用
1. xtsExtra介绍
xtsExtra是xts包的功能补充包,该软件包在Google Summer of Code 2012被开发,最终将合并到xts包。xtsExtra提供的主要功能就是plot.xts。
注:我发现xts::plot.xts的函数,与xtsExtra::plot.xts还是有差别的。
关于xts包的介绍,请参考文章:可扩展的时间序列xts
下面我们安装xtsExtra包。
2. xtsExtra安装
由于xtsExtra没有发布到CRAN,我们要从R-Forge下载。
~ R
> install.packages("xtsExtra", repos="http://R-Forge.R-project.org")
Warning in install.packages :
package ‘xtsExtra’ is not available (for R version 3.0.1)
trying URL 'http://R-Forge.R-project.org/bin/windows/contrib/3.0/xtsExtra_0.0-1.zip'
Content type 'application/zip' length 242682 bytes (236 Kb)
opened URL
downloaded 236 Kb
package ‘xtsExtra’ successfully unpacked and MD5 sums checked
The downloaded binary packages are in
C:\Users\Administrator\AppData\Local\Temp\Rtmp04stLd\downloaded_packages
加载xtsExtra
> library(xtsExtra)
载入需要的程辑包:zoo
载入程辑包:‘zoo’
下列对象被屏蔽了from ‘package:base’:
as.Date, as.Date.numeric
载入需要的程辑包:xts
载入程辑包:‘xtsExtra’
下列对象被屏蔽了from ‘package:xts’:
plot.xts
Warning messages:
1: 程辑包‘zoo’是用R版本3.0.2 来建造的
2: 程辑包‘xts’是用R版本3.0.2 来建造的
plot.xts函数被用来,覆盖xts::plot.xts函数。
3. plot.xts的使用
1). plot.xts的参数列表
2). 简单的时间序列
3). K线图
4). panel配置
5). screens配置
6). events配置
7). 双时间序列
9). barplot
1). plot.xts的参数列表
> names(formals(plot.xts))
[1] "x" "y" "screens" "layout.screens" "..."
[6] "yax.loc" "auto.grid" "major.ticks" "minor.ticks" "major.format"
[11] "bar.col.up" "bar.col.dn" "candle.col" "xy.labels" "xy.lines"
[16] "ylim" "panel" "auto.legend" "legend.names" "legend.loc"
[21] "legend.pars" "events" "blocks" "nc" "nr"
2). 简单的时间序列
> data(sample_matrix)
> sample_xts <- as.xts(sample_matrix)
> plot(sample_xts[,1])
> class(sample_xts[,1])
[1] "xts" "zoo"
3). K线图
红白色
> plot(sample_xts[1:30, ], type = "candles")
自定义颜色
> plot(sample_xts[1:30, ], type = "candles", bar.col.up = "blue", bar.col.dn = "violet", candle.col = "green4")
4). panel配置
基本面板
> plot(sample_xts[,1:2])
多行面板
> plot(sample_xts[,rep(1:4, each = 3)])
自由组合面板
> plot(sample_xts[,1:4], layout.screens = matrix(c(1,1,1,1,2,3,4,4),ncol = 2, byrow = TRUE))
5). screens配置
双屏幕显示,每屏幕2条线
> plot(sample_xts, screens = 1:2)
双屏幕显示,指定曲线出现的屏幕和颜色
> plot(sample_xts, screens = c(1,2,1,2), col = c(1,3,2,2))
双屏幕显示,指定不同的坐标系
> plot(10^sample_xts, screens = 1:2, log= c("","y"))
双屏幕显示,指定不同的输出图形
> plot(sample_xts[1:75,1:2] - 50.5, type = c("l","h"), lwd = c(1,2))
多屏幕,分组显示
> plot(sample_xts[,c(1:4, 3:4)], layout = matrix(c(1,1,1,1,2,2,3,4,5,6), ncol = 2, byrow = TRUE), yax.loc = "left")
6). events配置
基本事件分割线
> plot(sample_xts[,1], events = list(time = c("2007-03-15","2007-05-01"), label = "bad days"), blocks = list(start.time = c("2007-03-05", "2007-04-15"), end.time = c("2007-03-20","2007-05-30"), col = c("lightblue1", "lightgreen")))
7). 双时间序列
双坐标视图
> plot(sample_xts[,1],sample_xts[,2])
双坐标梯度视图
> cr <- colorRampPalette(c("#00FF00","#FF0000"))
> plot(sample_xts[,1],sample_xts[,2], xy.labels = FALSE, xy.lines = TRUE, col = cr(NROW(sample_xts)), type = "l")
8). xts类型转换作图
ts类型作图
> tser <- ts(cumsum(rnorm(50, 0.05, 0.15)), start = 2007, frequency = 12)
> class(tser)
[1] "ts"
> plot(tser)
以xts类型作图
> plot.xts(tser)
9). barplot
> x <- xts(matrix(abs(rnorm(72)), ncol = 6), Sys.Date() + 1:12)
> colnames(x) <- LETTERS[1:6]> barplot(x)
我们看到xtsExtra::plot.xts提供了强大的作图功能,很容易做出可视的时间序列!
04:如何在R软件中求一致性指数( Harrell'concordance index:C-index)?
05:Nomogram 绘制原理及R&SAS实现.
06 : Lasso方法简要介绍及其在回归分析中的应用
07 : 最优模型选择中的交叉验证(Cross validation)方法
08 : 用R语言进行分位数回归(Quantile Regression)
09 : 样本数据中异常值(Outliers)检测方法及SPSS & R实现
10 : 原始数据中几类缺失值(Missing Data)的SPSS及R处理方法
11 : [Survival analysis] Kaplan-Meier法之SPSS实现
12 : [Survival analysis] COX比例风险回归模型在SPSS中的实现
13 : 用R绘制地图:以疾病流行趋势为例
14 : 数据挖掘方法:聚类分析简要介绍 及SPSS&R实现
15 : 医学研究中的Logistic回归分析及R实现
16 : 常用的非参数检验(Nonparametric Tests)总结
17 : 高中生都能看懂的最小二乘法原理
18 : R语言中可实现的常用统计假设检验总结(侧重时间序列)
19 : 如何根据样本例数、均数、标准差进行T-Test和ANOVA
20 : 统计学中自由度的理解和应用
21 : ROC和AUC介绍以及如何计算AUC
22 : 支持向量机SVM介绍及R实现
23 : SPSS如何做主成分分析?
24 : Bootstrap再抽样方法简介
25 : 定量测量结果的一致性评价及 Bland-Altman 法的应用
26 : 使用R绘制热图及网络图
27 : 几种常用的双坐标轴图形绘制
28 : 遗失的艺术—诺谟图(Nomogram)
29 : Nomogram 绘制原理及R&SAS实现(二)
30 : WOE:信用评分卡模型中的变量离散化方法
31 : 结构方程模型(SEM)简介及教程下载
32 : 重复测量的多因素方差分析SPSS实现操作过程
回复文章前代码数字如“04”即可查看或直接查看历史文章。
邮箱:8243033 @ qq.com 欢迎关注!
以上是关于时间序列 || plot.xts时间序列可视化的主要内容,如果未能解决你的问题,请参考以下文章
手把手教你使用Dygraphs可视化时间序列数据(附代码链接)
气象可视化应用空间降尺度实战应用(附MATLABPython和R语言多种代码实现)