WedX - журнал о программировании и компьютерных науках

Продление линии на 20 дней вперед на графике chartSeries

Я добавил линию на график с помощью quantmod. Но как я могу продлить его в будущем на следующие 20 дней?

library(quantmod)
getSymbols("SPY", from="2013-01-01", to="2013-09-28")
chartSeries(SPY, TA="addLines(h=c(max(SPY[,c(1:4)])))")

Также как я могу добавить его значение на вторичную ось y?

Я также пробовал:

 chart_Series(SPY, subset="2013::", type = "candlesticks" ) 
 segments(1, 150, 800, 150)

Но я не мог изменить ось x вперед.

28.09.2013

  • Пожалуйста, ознакомьтесь с правилами SO о том, как написать полезный пост. В частности, опубликуйте, что вы пробовали, где вы ожидаете получить данные для будущего и как выглядит ваша диаграмма на данный момент. 28.09.2013

Ответы:


1

Поместите значение, которое вы хотите расширить, в другой объект, затем объедините объект, который вы хотите отобразить, с индексом другого объекта. Это создаст строки, заполненные NA для будущих дней.

futureLine <- xts(,end(SPY)+1:20)  # create empty object with days we want
futureLine$max <- max(Hi(SPY))     # fill in data
chart_Series(merge(SPY,index(futureLine)), TA="add_TA(futureLine, on=1)")

Обычный chartSeries не любит такой подход, так как он удаляет все строки, содержащие только NA.

29.09.2013
  • Ошибка в index<-.xts(*tmp*, значение = c(1357084800, 1357171200, 1357257600,: неподдерживаемый тип индекса 'index' класса 'POSIXct'. Я пробовал вышеописанное, но все равно получаю ошибку индекса POSTIXct. Я пробовал class(index(SPY)) и я получаю [1] Date, поэтому я не уверен, что делать, чтобы исправить эту ошибку 29.09.2013
  • Версия R 3.0.2 (25 сентября 2013 г.) Платформа: x86_64-w64-mingw32/x64 (64-разрядная версия) язык: [1] LC_COLLATE=English_United Kingdom.1252 [2] LC_CTYPE=English_United Kingdom.1252 [3] LC_MONETARY =English_United Kingdom.1252 [4] LC_NUMERIC=C [5] LC_TIME=English_United Kingdom.1252 прикрепленные базовые пакеты: [1] stats graphics grDevices utils наборы данных методы базы другие прикрепленные пакеты: [1] quantmod_0.4-0 TTR_0.22- 0 Defaults_1.1-1 xts_0.9-7 zoo_1.7-10 загружено через пространство имен (и не прикреплено): [1] grid_3.0.2 решетка_0.20-23 tools_3.0.2 29.09.2013
  • Я ввел информацию о сеансе выше. 29.09.2013
  • @adam.888: вы сообщили об этой же ошибке в комментарии к другому из ваших вопросов. Это не относится к моему ответу и, вероятно, вызвано искаженным объектом xts. 30.09.2013
  • Большое спасибо за помощь мне в этом. 30.09.2013
  • Новые материалы

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


    Для любых предложений по сайту: [email protected]