R语言时间序列基础库zoo

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者：

• 张丹(Conan), 程序员Java,R,PHP,Javascript
• weibo：@Conan_Z
• blog:  http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-zoo/

前言

时间序列分析是一种动态数据处理的统计方法，通过对时间序列数据的分析，我们可以感觉到世界正改变着什么！R语言作为统计分析的利器，对时间序列处理有着强大的支持。在R语言中，单独为时间序列数据定义了一种数据类型zoo，zoo是时间序列的基础，也是股票分析的基础。

本文将介绍zoo库在R语言中的结构和使用。

目录

1. zoo介绍
2. zoo安装
3. zoo的API介绍
4. zoo使用

1. zoo介绍

zoo是一个R语言类库，zoo类库中定义了一个名为zoo的S3类型对象，用于描述规则的和不规则的有序的时间序列数据。zoo对象是一个独立的对象，包括索引、日期、时间，只依赖于基础的R环境，zooreg对象继承了zoo对象，只能用于规则的的时间序列数据。

R语言的其他程序包，都是以zoo, zooreg为时间序列数据的基础！

zoo的项目主页： http://zoo.r-forge.r-project.org/

2. zoo安装

系统环境

• Win7 64bit
• R: 3.0.1 x86_64-w64-mingw32/x64 b4bit

zoo安装

~ R
> install.packages("zoo")
> library(zoo)

3. zoo的API介绍

基础对象

• zoo: 有序的时间序列对象
• zooreg: 规则的的时间序列对象，继承zoo对象

类型转换

• as.zoo: 把一个对象转型为zoo类型
• plot.zoo: 为plot函数，提供zoo的接口
• xyplot.zoo: 为lattice的xyplot函数，提供zoo的接口
• ggplot2.zoo: 为ggplot2包，提供zoo的接口

数据操作

• coredata: 获得和修改zoo的数据部分
• index: 获得和修改zoo的索引部分
• window.zoo: 按时间过滤数据
• merge.zoo: 合并多个zoo对象
• read.zoo: 从文件读写zoo序列
• aggregate.zoo: 计算zoo数据
• rollapply: 对zoo数据的滚动处理
• rollmean: 对zoo数据的滚动，计算均值

NA值处理

• na.fill: NA值的填充
• na.locf: 替换NA值
• na.aggregate: 计算统计值替换NA值
• na.approx: 计算插值替换NA值
• na.StructTS: 计算seasonal Kalman filter替换NA值
• na.trim: 过滤有NA的记录

辅助工具

• is.regular: 检查是否是规则的序列
• lag.zoo: 计算步长和分差
• MATCH: 取交集
• ORDER: 值排序，输出索引

显示控制

• yearqtr: 以年季度显示时间
• yearmon: 以年月显示时间
• xblocks: 作图沿x轴分隔图型
• make.par.list: 用于给plot.zoo 和 xyplot.zoo 数据格式转换

  4. zoo使用

  • 1). zoo函数
  • 2). zooreg函数
  • 3). zoo的类型转换
  • 4). ggplot2画时间序列
  • 5). 数据操作
  • 6). 数据滚动处理
  • 7). NA值处理
  • 8). 数据显示格式
  • 9). 按时间分隔做衅
  • 10). 从文件读入zoo序列

  1). zoo函数

  zoo对象包括两部分组成，数据部分、索引部分。

  函数定义：

  zoo(x = NULL, order.by = index(x), frequency = NULL)

  参数列表：

  • x: 数据部分，允许向量，矩阵，因子
  • order.by: 索引部分，唯一字段，用于排序
  • frequency: 每个时间单元显示的数量

  构建一个zoo对象，以时间为索引

  
  > x.Date <- as.Date("2003-02-01") + c(1, 3, 7, 9, 14) - 1
  > x.Date
  [1] "2003-02-01" "2003-02-03" "2003-02-07" "2003-02-09" "2003-02-14"
  > class(x.Date)
  [1] "Date"
  
  > x <- zoo(rnorm(5), x.Date)
  > x
  2003-02-01 2003-02-03 2003-02-07 2003-02-09 2003-02-14 
  0.01964254 0.03122887 0.64721059 1.47397924 1.29109889 
  > class(x)
  [1] "zoo"
  
  > plot(x)
  

  

  以数学为索引的，多组时间序列

  
  > y <- zoo(matrix(1:12, 4, 3),0:30)
  > y        
  0  1 5  9
  1  2 6 10
  2  3 7 11
  3  4 8 12
  4  1 5  9
  5  2 6 10
  6  3 7 11
  7  4 8 12
  8  1 5  9
  9  2 6 10
  10 3 7 11
  
  > plot(y)
  

  

  2). zooreg函数

  函数定义：

  zooreg(data, start = 1, end = numeric(), frequency = 1,
  deltat = 1, ts.eps = getOption("ts.eps"), order.by = NULL)

  参数列表：

  • data: 数据部分，允许向量，矩阵，因子
  • start: 时间部分，开始时间
  • end: 时间部分，结束时间
  • frequency: 每个时间单元显示的数量
  • deltat: 连续观测之间的采样周期的几分之一，不能与frequency同时出现，例如1/2
  • ts.eps: 时间序列间隔，在时间间隔大于ts.eps时认为是相等的。通过getOption(“ts.eps”)设置，默认是1e-05
  • order.by: 索引部分，唯一字段，用于排序, 继承zoo的order.by

  构建一个zooreg对象

  
  > zooreg(1:10, frequency = 4, start = c(1959, 2))
  1959(2) 1959(3) 1959(4) 1960(1) 1960(2) 1960(3) 1960(4) 1961(1) 1961(2) 
        1       2       3       4       5       6       7       8       9 
  1961(3) 
       10 
  
  > as.zoo(ts(1:10, frequency = 4, start = c(1959, 2)))
  1959(2) 1959(3) 1959(4) 1960(1) 1960(2) 1960(3) 1960(4) 1961(1) 1961(2) 
        1       2       3       4       5       6       7       8       9 
  1961(3) 
       10
  
  > zr<-zooreg(rnorm(10), frequency = 4, start = c(1959, 2))
  > plot(zr) 
  

  

  3). zoo的类型转换

  转型到zoo类型

  
  > as.zoo(rnorm(5))
           1          2          3          4          5 
  -0.4892119  0.5740950  0.7128003  0.6282868  1.0289573 
  > as.zoo(ts(rnorm(5), start = 1981, freq = 12))
     1981(1)    1981(2)    1981(3)    1981(4)    1981(5) 
   2.3198504  0.5934895 -1.9375893 -1.9888237  1.0944444 
  

  从zoo类型转型到其他类型

  
  > x <- as.zoo(ts(rnorm(5), start = 1981, freq = 12))
  > x
     1981(1)    1981(2)    1981(3)    1981(4)    1981(5) 
   1.8822996  1.6436364  0.1260436 -2.0360960 -0.1387474 
  
  > as.matrix(x)
                   x
  1981(1)  1.8822996
  1981(2)  1.6436364
  1981(3)  0.1260436
  1981(4) -2.0360960
  1981(5) -0.1387474
  
  > as.vector(x)
  [1]  1.8822996  1.6436364  0.1260436 -2.0360960 -0.1387474
  
  > as.data.frame(x)
                   x
  1981(1)  1.8822996
  1981(2)  1.6436364
  1981(3)  0.1260436
  1981(4) -2.0360960
  1981(5) -0.1387474
  
  > as.list(x)
  [[1]]
     1981(1)    1981(2)    1981(3)    1981(4)    1981(5) 
   1.8822996  1.6436364  0.1260436 -2.0360960 -0.1387474 
  

  4). ggplot2画时间序列

  ggplot2::fortify函数，通过zoo::ggplot2.zoo函数，转换成ggplot2可识别的类型。

  
  library(ggplot2)
  library(scales)
  
  x.Date <- as.Date(paste(2003, 02, c(1, 3, 7, 9, 14), sep = "-"))
  x <- zoo(rnorm(5), x.Date)
  xlow <- x - runif(5)
  xhigh <- x + runif(5)
  z <- cbind(x, xlow, xhigh)
  
  g<-ggplot(aes(x = Index, y = Value), data = fortify(x, melt = TRUE))
  g<-g+geom_line()
  g<-g+geom_line(aes(x = Index, y = xlow), colour = "red", data = fortify(xlow))
  g<-g+geom_ribbon(aes(x = Index, y = x, ymin = xlow, ymax = xhigh), data = fortify(x), fill = "darkgray") 
  g<-g+geom_line()
  g<-g+xlab("Index") + ylab("x")
  g
  
  > z
                       x        xlow       xhigh
  2003-02-01 -0.36006612 -0.88751958 0.006247816
  2003-02-03  1.35216617  0.97892538 2.076360524
  2003-02-07  0.61920828  0.23746410 1.156569424
  2003-02-09  0.27516116  0.09978789 0.777878867
  2003-02-14  0.02510778 -0.80107410 0.541592929
  

  

  5). 数据操作

  修改zoo的数据部分coredata

  
  > x.date <- as.Date(paste(2003, rep(1:4, 4:1), seq(1,20,2), sep = "-"))
  > x <- zoo(matrix(rnorm(20), ncol = 2), x.date)
  > coredata(x)
               [,1]        [,2]
   [1,] -1.04571765  0.92606273
   [2,] -0.89621126  0.03693769
   [3,]  1.26938716 -1.06620017
   [4,]  0.59384095 -0.23845635
   [5,]  0.77563432  1.49522344
   [6,]  1.55737038  1.17215855
   [7,] -0.36540180 -1.45770721
   [8,]  0.81655645  0.09505623
   [9,] -0.06063478  0.84766496
  [10,] -0.50137832 -1.62436453
  
  > coredata(x) <- matrix(1:20, ncol = 2)
  > x        
  2003-01-01  1 11
  2003-01-03  2 12
  2003-01-05  3 13
  2003-01-07  4 14
  2003-02-09  5 15
  2003-02-11  6 16
  2003-02-13  7 17
  2003-03-15  8 18
  2003-03-17  9 19
  2003-04-19 10 20
  

  修改zoo的索引部分index

  
  > x.date <- as.Date(paste(2003, rep(1:4, 4:1), seq(1,20,2), sep = "-"))
  > x <- zoo(matrix(rnorm(20), ncol = 2), x.date)
  
  > index(x)
   [1] "2003-01-01" "2003-01-03" "2003-01-05" "2003-01-07" "2003-02-09"
   [6] "2003-02-11" "2003-02-13" "2003-03-15" "2003-03-17" "2003-04-19"
  
  > index(x) <- 1:nrow(x)
  > index(x)
   [1]  1  2  3  4  5  6  7  8  9 10
  

  按时间过滤数据window.zoo

  
  > x.date <- as.Date(paste(2003, rep(1:4, 4:1), seq(1,20,2), sep = "-"))
  > x <- zoo(matrix(rnorm(20), ncol = 2), x.date)
  
  > window(x, start = as.Date("2003-02-01"), end = as.Date("2003-03-01"))
  2003-02-09  0.7021167 -0.3073809
  2003-02-11  2.5071111  0.6210542
  2003-02-13 -1.8900271  0.1819022
  
  > window(x, index = x.date[1:6], start = as.Date("2003-02-01"))
  2003-02-09 0.7021167 -0.3073809
  2003-02-11 2.5071111  0.6210542
  
  > window(x, index = x.date[c(4, 8, 10)])
  2003-01-07  1.4623515 -1.198597
  2003-03-15 -0.5898128  1.318401
  2003-04-19 -0.4209979 -1.648222
  

  合并多个zoo对象merge.zoo

  
  > y1 <- zoo(matrix(1:10, ncol = 2), 1:5)
  > y2 <- zoo(matrix(rnorm(10), ncol = 2), 3:7)
  
  > merge(y1, y2, all = FALSE)
    y1.1 y1.2       y2.1       y2.2
  3    3    8  0.9514985  1.7238941
  4    4    9 -1.1131230 -0.2061446
  5    5   10  0.6169665 -1.3141951
  
  > merge(y1, y2, all = FALSE, suffixes = c("a", "b"))
    a.1 a.2        b.1        b.2
  3   3   8  0.9514985  1.7238941
  4   4   9 -1.1131230 -0.2061446
  5   5  10  0.6169665 -1.3141951
  
  > merge(y1, y2, all = TRUE)
    y1.1 y1.2       y2.1       y2.2
  1    1    6         NA         NA
  2    2    7         NA         NA
  3    3    8  0.9514985  1.7238941
  4    4    9 -1.1131230 -0.2061446
  5    5   10  0.6169665 -1.3141951
  6   NA   NA  0.5134937  0.0634741
  7   NA   NA  0.3694591 -0.2319775
  
  > merge(y1, y2, all = TRUE, fill = 0)
    y1.1 y1.2       y2.1       y2.2
  1    1    6  0.0000000  0.0000000
  2    2    7  0.0000000  0.0000000
  3    3    8  0.9514985  1.7238941
  4    4    9 -1.1131230 -0.2061446
  5    5   10  0.6169665 -1.3141951
  6    0    0  0.5134937  0.0634741
  7    0    0  0.3694591 -0.2319775
  

  计算zoo数据aggregate.zoo

  
  > x.date <- as.Date(paste(2004, rep(1:4, 4:1), seq(1,20,2), sep = "-"))
  > x <- zoo(rnorm(12), x.date); x
   2004-01-01  2004-01-03  2004-01-05  2004-01-07  2004-02-09  2004-02-11 
   0.67392868  1.95642526 -0.26904101 -1.24455152 -0.39570292  0.09739665 
   2004-02-13  2004-03-15  2004-03-17  2004-04-19 
  -0.23838695 -0.41182796 -1.57721805 -0.79727610 
   
  > x.date2 <- as.Date(paste(2004, rep(1:4, 4:1), 1, sep = "-")); x.date2
   [1] "2004-01-01" "2004-01-01" "2004-01-01" "2004-01-01" "2004-02-01"
   [6] "2004-02-01" "2004-02-01" "2004-03-01" "2004-03-01" "2004-04-01"
  
  > x2 <- aggregate(x, x.date2, mean); x2
  2004-01-01 2004-02-01 2004-03-01 2004-04-01 
   0.2791904 -0.1788977 -0.9945230 -0.7972761 
  

  6). 数据滚动处理

  对zoo数据的滚动处理rollapply

  
  > z <- zoo(11:15, as.Date(31:35))
  > rollapply(z, 2, mean)
  1970-02-01 1970-02-02 1970-02-03 1970-02-04 
        11.5       12.5       13.5       14.5 
  

  等价操作：rollapply ， aggregate

  
  > z2 <- zoo(rnorm(6))
  > rollapply(z2, 3, mean, by = 3) # means of nonoverlapping groups of 3
           2          5 
  -0.3065197  0.6350963 
  > aggregate(z2, c(3,3,3,6,6,6), mean) # same
           3          6 
  -0.3065197  0.6350963 
  

  等价操作：rollapply， rollmean

  
  > rollapply(z2, 3, mean) # uses rollmean which is optimized for mean
           2          3          4          5 
  -0.3065197 -0.7035811 -0.1672344  0.6350963 
  > rollmean(z2, 3) # same
           2          3          4          5 
  -0.3065197 -0.7035811 -0.1672344  0.6350963 
  

  7). NA值处理
  NA填充na.fill

  
  > z <- zoo(c(NA, 2, NA, 3, 4, 5, 9, NA))
  > z
   1  2  3  4  5  6  7  8 
  NA  2 NA  3  4  5  9 NA 
  
  > na.fill(z, "extend")
    1   2   3   4   5   6   7   8 
  2.0 2.0 2.5 3.0 4.0 5.0 9.0 9.0 
  
  > na.fill(z, c("extend", NA))
   1  2  3  4  5  6  7  8 
   2  2 NA  3  4  5  9  9 
  
  > na.fill(z, -(1:3))
   1  2  3  4  5  6  7  8 
  -1  2 -2  3  4  5  9 -3 
  

  NA替换na.locf

  
  > z <- zoo(c(NA, 2, NA, 3, 4, 5, 9, NA, 11));z
   1  2  3  4  5  6  7  8  9 
  NA  2 NA  3  4  5  9 NA 11 
  
  > na.locf(z)
   2  3  4  5  6  7  8  9 
   2  2  3  4  5  9  9 11 
  
  > na.locf(z, fromLast = TRUE)
   1  2  3  4  5  6  7  8  9 
   2  2  3  3  4  5  9 11 11 
  

  统计值替换NA值na.aggregate

  
  > z <- zoo(c(1, NA, 3:9),
  +          c(as.Date("2010-01-01") + 0:2,
  +            as.Date("2010-02-01") + 0:2,
  +            as.Date("2011-01-01") + 0:2))
  > z
  2010-01-01 2010-01-02 2010-01-03 2010-02-01 2010-02-02 2010-02-03 2011-01-01 
           1         NA          3          4          5          6          7 
  2011-01-02 2011-01-03 
           8          9 
  
  > na.aggregate(z)
  2010-01-01 2010-01-02 2010-01-03 2010-02-01 2010-02-02 2010-02-03 2011-01-01 
       1.000      5.375      3.000      4.000      5.000      6.000      7.000 
  2011-01-02 2011-01-03 
       8.000      9.000 
  
  > na.aggregate(z, as.yearmon)
  2010-01-01 2010-01-02 2010-01-03 2010-02-01 2010-02-02 2010-02-03 2011-01-01 
           1          2          3          4          5          6          7 
  2011-01-02 2011-01-03 
           8          9 
  
  > na.aggregate(z, months)
  2010-01-01 2010-01-02 2010-01-03 2010-02-01 2010-02-02 2010-02-03 2011-01-01 
         1.0        5.6        3.0        4.0        5.0        6.0        7.0 
  2011-01-02 2011-01-03 
         8.0        9.0 
  
  > na.aggregate(z, format, "%Y")
  2010-01-01 2010-01-02 2010-01-03 2010-02-01 2010-02-02 2010-02-03 2011-01-01 
         1.0        3.8        3.0        4.0        5.0        6.0        7.0 
  2011-01-02 2011-01-03 
         8.0        9.0 
  

  计算插值替换NA值

  
  > z <- zoo(c(2, NA, 1, 4, 5, 2), c(1, 3, 4, 6, 7, 8));z
   1  3  4  6  7  8 
   2 NA  1  4  5  2 
  
  > na.approx(z)
         1        3        4        6        7        8 
  2.000000 1.333333 1.000000 4.000000 5.000000 2.000000 
  
  > na.approx(z, 1:6)
    1   3   4   6   7   8 
  2.0 1.5 1.0 4.0 5.0 2.0 
  

  计算seasonal Kalman filter替换NA值

  
  z <- zooreg(rep(10 * seq(4), each = 4) + rep(c(3, 1, 2, 4), times = 4),
              start = as.yearqtr(2000), freq = 4)
  z[10] <- NA
  zout <- na.StructTS(z);zout
  plot(cbind(z, zout), screen = 1, col = 1:2, type = c("l", "p"), pch = 20)
  

  

  过滤有NA的行

  
  > xx <- zoo(matrix(c(1, 4, 6, NA, NA, 7), 3), c(2, 4, 6));xx
  2 1 NA
  4 4 NA
  6 6  7
  
  > na.trim(xx)
  6 6 7
  

  8). 数据显示格式
  以年+季度格式输出

  
  > x <- as.yearqtr(2000 + seq(0, 7)/4)
  > x
  [1] "2000 Q1" "2000 Q2" "2000 Q3" "2000 Q4" "2001 Q1" "2001 Q2" "2001 Q3"
  [8] "2001 Q4"
  
  > format(x, "%Y Quarter %q")
  [1] "2000 Quarter 1" "2000 Quarter 2" "2000 Quarter 3" "2000 Quarter 4"
  [5] "2001 Quarter 1" "2001 Quarter 2" "2001 Quarter 3" "2001 Quarter 4"
  
  > as.yearqtr("2001 Q2")
  [1] "2001 Q2"
  
  > as.yearqtr("2001 q2") 
  [1] "2001 Q2"
  
  > as.yearqtr("2001-2")
  [1] "2001 Q2"
  

  以年+月份格式输出

  
  > x <- as.yearmon(2000 + seq(0, 23)/12)
  > x
   [1] "一月 2000"   "二月 2000"   "三月 2000"   "四月 2000"   "五月 2000"  
   [6] "六月 2000"   "七月 2000"   "八月 2000"   "九月 2000"   "十月 2000"  
  [11] "十一月 2000" "十二月 2000" "一月 2001"   "二月 2001"   "三月 2001"  
  [16] "四月 2001"   "五月 2001"   "六月 2001"   "七月 2001"   "八月 2001"  
  [21] "九月 2001"   "十月 2001"   "十一月 2001" "十二月 2001"
  
  > as.yearmon("mar07", "%b%y")
  [1] NA
  
  > as.yearmon("2007-03-01")
  [1] "三月 2007"
  
  > as.yearmon("2007-12")
  [1] "十二月 2007"
  

  9). 按时间分隔线

  使用xblock函数， 以不同的颜色划分3个区间(-Inf,15),[15,30],(30,Inf)

  
  set.seed(0)
  flow <- ts(filter(rlnorm(200, mean = 1), 0.8, method = "r"))
  rgb <- hcl(c(0, 0, 260), c = c(100, 0, 100), l = c(50, 90, 50), alpha = 0.3)
  plot(flow)
  xblocks(flow > 30, col = rgb[1]) ## high values red
  xblocks(flow < 15, col = rgb[3]) ## low value blue
  xblocks(flow >= 15 & flow <= 30, col = rgb[2]) ## the rest gray
  

  

  10). 从文件读入zoo序列
  创建文件：read.csv

  
  ~ vi read.csv
  
  2003-01-01,1.0073644,0.05579711
  2003-01-03,-0.2731580,0.06797239
  2003-01-05,-1.3096795,-0.20196174
  2003-01-07,0.2225738,-1.15801525
  2003-02-09,1.1134332,-0.59274327
  2003-02-11,0.8373944,0.76606538
  2003-02-13,0.3145168,0.03892812
  2003-03-15,0.2222181,0.01464681
  2003-03-17,-0.8436154,-0.18631697
  2003-04-19,0.4438053,1.40059083
  

  读文件并生成zoo序列

  
  > r <- read.zoo(file="read.csv",sep = ",", format = "%Y-%m-%d")
  
  > r
                     V2          V3
  2003-01-01  1.0073644  0.05579711
  2003-01-03 -0.2731580  0.06797239
  2003-01-05 -1.3096795 -0.20196174
  2003-01-07  0.2225738 -1.15801525
  2003-02-09  1.1134332 -0.59274327
  2003-02-11  0.8373944  0.76606538
  2003-02-13  0.3145168  0.03892812
  2003-03-15  0.2222181  0.01464681
  2003-03-17 -0.8436154 -0.18631697
  2003-04-19  0.4438053  1.40059083
  
  > class(r)
  [1] "zoo"
  

  我们已经完全掌握了zoo库及zoo对象的使用，接下来就可以放手去用R处理时间序列了！