我已经使用Quantmod处理了每日库存数据。Quantmod自动从google / yahoo金融网站下载数据，并自动将日期转换为xts对象作为索引。
AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted
2014-10-01 100.59 100.69 98.70 99.18 51491300 97.09741
2014-10-02 99.27 100.22 98.04 99.90 47757800 97.80230
2014-10-03 99.44 100.21 99.04 99.62 43469600 97.52818
2014-10-06 99.95 100.65 99.42 99.62 37051200 97.52818
2014-10-07 99.43 100.12 98.73 98.75 42094200 96.67644
2014-10-08 98.76 101.11 98.31 100.80 57404700 98.68340
2014-10-09 101.54 102.38 100.61 101.02 77376500 98.89877
现在，我正在使用一分钟的持续时间的盘中数据（csv格式），并将其转换为六列的数据帧（df）。
Date Time Open High Low Close
1 20150408 09:17:00 7.15 7.15 7.10 7.10
2 20150408 09:18:00 7.15 7.15 7.15 7.15
3 20150408 09:19:00 7.10 7.10 7.10 7.10
4 20150408 09:20:00 7.10 7.10 7.05 7.10
5 20150408 09:21:00 7.10 7.15 7.10 7.10
6 20150408 09:22:00 7.10 7.10 7.05 7.10
现在如何将该数据帧转换为时间序列，以便可以将其与默认的quantmod函数（例如Cl（），Op（），OHLC（）等）一起使用。
初级，亲爱的沃森：将日期和时间合并为POSIXct，使用该日期和时间。
由于未提供可重复的数据，因此未经测试：
pt <- as.POSIXct(paste(X$Date, X$Time), format="%Y%m%d %H:%M:%S")
N <- xts(X[, -(1:2)], order.by=pt)
这X是您当前的data.frame，它N是一个xts由X（减去日期和时间）的数据构成的新对象，pt用作索引。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句