Question

我有一个财务时间序列data.frame，具有微秒精度：

timestamp                    price  volume
2017-08-29 08:00:00.345678   99.1   10
2017-08-29 08:00:00.674566   98.2   5
....
2017-08-29 16:00:00.111234   97.0   3
2017-08-29 16:00:01.445678   96.5   5

总计：每天约10万条记录。

我看到了几个可以指定滚动窗口宽度的函数，例如： k = 10. 但是k表示为一些观察而不是分钟。

我需要计算runing / rolling Max，Min of Price系列以及Volume系列的运行/滚动总和：

从时间序列开始后5分钟的时间戳开始
对于每个后续时间戳：回顾5分钟间隔和
计算滚动统计数据。

如何有效地计算这个？

Answer 1

您的数据

我无法捕获毫秒数（但解决方案仍然有效）

.inactiveHdr a:hover {
  background: #eee;
  text-decoration: none; 
}

purrr和dplyr溶液

library(lubridate)
df <- data.frame(timestamp = ymd_hms("2017-08-29 08:00:00.345678", "2017-08-29 08:00:00.674566", "2017-08-29 16:00:00.111234", "2017-08-29 16:00:01.445678"),
                 price=c(99.1, 98.2, 97.0, 96.5),
                 volume=c(10,5,3,5))

过滤library(purrr) library(dplyr) timeinterval <- 5*60 # 5 minute以查看时间间隔内的观察结果，另存为列表

df

汇总列表中的每个data.frame

mdf <- map(1:nrow(df), ~df[df$timestamp >= df[.x,]$timestamp & df$timestamp < df[.x,]$timestamp+timeinterval,])

输出

statdf <- map_df(mdf, ~.x %>% 
                          summarise(timestamp = head(timestamp,1),
                                    max.price = max(price), 
                                    max.volume = max(volume),
                                    sum.price = sum(price),
                                    sum.volume = sum(volume),
                                    min.price = min(price), 
                                    min.volume = min(volume)))

Answer 2

由于我正在寻找一个向后计算（从时间戳开始，看看5分钟后）我通过#CPak略微修改了这个伟大的解决方案，如下所示：

mdf <- map(1:nrow(df), ~df[df$timestamp <= df[.x,]$timestamp & df$timestamp > df[.x,]$timestamp - timeinterval,])

statdf <- map_df(mdf, ~.x %>% 
                      summarise(timestamp_to = tail(timestamp,1),
                                timestamp_from = head(timestamp,1),
                                max.price = max(price), 
                                min.price = min(price),
                                sum.volume = sum(volume),
                                records = n()))

此外，我添加了记录= n（）以查看间隔中已使用了多少条记录。

一个警告：代码在mdf上需要10分钟，在具有100K +记录的数据集上需要6分钟的statdf。

任何想法如何优化它？谢谢！

滚动最大值/最小值/总和超过最后x个间隔的时间序列

2 个答案:

您的数据

purrr和dplyr溶液

输出