WedX - журнал о программировании и компьютерных науках

Скачки временных рядов R и построение графиков в dygraph

У меня есть временной ряд биржевых данных за несколько дней и большие скачки между днями, поскольку данные во время закрытия фондового рынка, конечно, отсутствуют.

На картинке показано, что я имею в виду:

График

Временной ряд, используемый для построения графика, представляет собой объект xts, который выглядит следующим образом:

объект xts

График строится с помощью следующей функции:

  dygraph(stocks, main="Closing Stock Prices") %>%
  dyAxis("y", label="Value") %>%
  dySeries("..1",label="IBM") %>%
  dyOptions(colors = c("blue"), connectSeparatedPoints=TRUE) %>%
  dyRangeSelector()

Теперь я действительно хочу «игнорировать» значение между установленными датами и просто построить график за один раз без промежутка между ними. Это возможно как-то?

Я думал о том, чтобы просто манипулировать временными рядами и просто рассматривать их как отдельные точки, поскольку мне все равно не обязательно нужно время, а только правильно отображаемый график, но возможно ли это, даже если для объекта xts требуется объект временного ряда? !

Заранее спасибо!!

19.05.2017

Ответы:


1

По-видимому, нет никакого решения, чтобы скрыть это, кроме как использовать значения NA, чтобы скрыть сам график, но пробел, который все еще существует.

Теперь я выбрал сгенерированную временную метку, которую неправильно использовали в качестве индекса, чтобы имитировать эффект непрерывного графика.

19.05.2017
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

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..


Для любых предложений по сайту: [email protected]