Question

我有一分钟的金融时间序列（“酒吧”）。因为我将处理一些大型系列，我正在学习使用data.table，而我还不习惯以data.table方式思考。
在我导入data.table的数据中（为简单起见，我们将其称为DT），除了与此问题无关的其他内容之外，我还有一个名为Date的列YYYYMMDD格式，Time格式的HH:MM列，以及名为Price的列（假设它是该分钟的最终价格），这是一个整数。我正在简化一点，但如果有人能帮助我解决我在这里提出的问题，我可以根据我的数据细节进行调整。这是一个例子：

Date     Time  Price
20151028 09:00 47675
20151028 09:01 47650
20151028 09:02 47670
20151028 09:03 47685
20151028 09:04 47690
...

我想要做的是，每分钟计算直到那一分钟的Price的最大值和最小值。我们继续将我想要计算的内容添加为其他列，我将在此处调用DayMax和DayMin。结果将如下所示：

Date     Time  Price DayMax DayMin
20151028 09:00 47675 47675  47675
20151028 09:01 47650 47675  47650
20151028 09:02 47670 47675  47650
20151028 09:03 47685 47685  47650
20151028 09:04 47690 47690  47650
...

我很确定我的by（我理解为SQL中的GROUP BY）应该是Date，而我认为我理解的是如何理解设置我的i（就像SQL中的WHERE），主要是因为我不确定如何在语法中使用相同的列两种不同的方式。对于每一行，我想计算最大值（以及“在哪里”，我认为我的意思是WHERE）Time小于或等于该特定值中Time的值行，我在GROUP（ing）BY日期，所以它取决于该行在特定日期的时间。如何使用data.table以快速且符合内存的方式执行此操作？顺便说一句，谈到“快速和内存效率”，我假设我应该使用:=运算符来创建新列。如果我错了，请纠正我。

Answer 1

As suggested by Frank，cummin()和cummax()会为您做到这一点。（在SQL中，这在ORACLE中称为窗口函数或分析函数，我相信）。

DT[order(Date, Time), `:=`(DayMax = cummax(Price), DayMin = cummin(Price)), by = Date]
DT
#       Date  Time Price DayMax DayMin
#1: 20151028 09:00 47675  47675  47675
#2: 20151028 09:01 47650  47675  47650
#3: 20151028 09:02 47670  47675  47650
#4: 20151028 09:03 47685  47685  47650
#5: 20151028 09:04 47690  47690  47650

为了确保数据的顺序正确，DT按Date和Time排序。如果前面的步骤确保了这一点，则可以跳过此步骤。两个新列在一个表达式中计算，根据请求分别为每个Date计算。

使用链接，可以将其重写为

res <- DT[order(Date, Time)][, DayMax := cummax(Price), by = Date][, DayMin := cummin(Price), by = Date][]

但缺点是创建DT的副本而不是DT通过引用修改，并需要额外的分组操作（感谢Frank用于指出this。

数据

library(data.table) DT <- fread ("Date Time Price 20151028 09:00 47675 20151028 09:01 47650 20151028 09:02 47670 20151028 09:03 47685 20151028 09:04 47690")

如何在一天中的给定时间内查找data.table中列的最大值或最小值

1 个答案:

数据