Question

我希望每天使用data.table在特定时间之间获取所有数据。

这是进行这些子集化的最有效（速度和记忆）方式吗？

R.data.table <- data.table(Time = Sys.time() + 1:86400, runif(86400))

R.data.table[Time > as.POSIXct('2016-09-18 08:00:00') & Time < as.POSIXct('2016-09-18 09:00:00')]

我知道我可以使用xts，但我喜欢使用data.table，因为我可能会将这些子集数据集用于预测模型，所以我不需要转换。

我已经查看了有关Idate和Itime的data.table帮助，但我真的不知道如何将它们放在一起。它们是否更快速，更易于交互式工作？

对于类似的操作，这些是示例，我不是要求如何直接执行这些操作...，请提供每个月的最后2个工作日的所有数据，包括所有工作日。是这样做的，就像我在上面做最有效的方法一样，还是有更好的方法来操纵R中数据表的时间序列？

感谢

Answer 1

是不是像上面最有效的方法那样做，还是有更好的方法来处理R中的数据表的时间序列？

这些子设置（范围子设置）的最有效方法是使用between函数。不幸的是，它目前遭受bug的困扰，因此它没有比您使用的方法快。错误has been fixed（一旦合并了devel软件包）将在我们的CRAN类仓库（包括二进制文件）中发布。使用between的另一个原因是，将来仍有可能对其进行内部优化，以提高速度/内存，因为仍有改进的空间。第三种方法是使用非等距联接来获得预期的答案，但是这三种方法中最慢的。

library(data.table)
d = data.table(Time = as.POSIXct("2016-09-18 06:00:00") + 1:86400, runif(86400))
dn = as.POSIXct('2016-09-18 08:00:00')
up = as.POSIXct('2016-09-18 09:00:00')
d[Time > dn & Time < up]
d[between(Time, dn, up, incbounds=FALSE)]
d[.(dn=dn, up=up), on=.(Time>dn, Time<up)]

我已经看过IDate和ITime上的data.table帮助，但是我真的不知道如何将它们放在一起。他们更快，更轻松地进行交互工作吗？

它们可以更快，更精确。 I前缀代表整数。之所以引入它们，是因为POSIXct是数字，因此存在浮点算术问题。浮点的加入或分组可能在不同平台上导致不同的答案。整数类型具有更大的可移植性，可以针对排序或分组等操作进行优化。

有一个待处理的功能请求，要求更精确的日期时间数据类型：更快的内部日期/日期时间实现（具有ns分辨率。）https://github.com/Rdatatable/data.table/issues/1451

还有一个针对新的插曲的路线图：时间序列-有序观测 https://github.com/Rdatatable/data.table/issues/3453，您可能想咨询该问题以了解data.table为有序数据集提供的更多功能。只是xts提供的内容的一小部分，但通常经过高度优化。

使用R data.table来子集高频时间序列（用data.table替换xts功能）

1 个答案: