Plot glidande medelvärde i r

Rörande medelvärden i R Såvitt jag vet har R ingen inbyggd funktion för att beräkna glidande medelvärden. Med hjälp av filterfunktionen kan vi dock skriva en kort funktion för glidande medelvärden: Vi kan sedan använda funktionen på några data: mav (data) eller mav (data, 11) om vi vill ange ett annat antal datapunkter än standard 5-plottningen fungerar som förväntat: plot (mav (data)). Förutom antalet datapunkter över vilka i genomsnitt kan vi också ändra sidoperspektivet för filterfunktionerna: sides2 använder båda sidorna, sides1 använder endast tidigare värden. Dela detta: Postnavigering Kommentarnavigering KommentarnavigeringDet har en plott av tidsserier i ggplot2-paketet och jag har utfört det rörliga genomsnittet och jag vill lägga till resultatet av glidande medelvärde i tidsserien. Prov av dataset (p31): ambtemp dt -1.14 2007-09-29 00:01:57 -1.12 2007-09-29 00:03:57 -1.33 2007-09-29 00:05:57 -1.44 2007 -09-29 00:07:57 -1.54 2007-09-29 00:09:57 -1.29 2007-09-29 00:11:57 Tillämpad kod för tidsseriepresentation: Prov av rörlig genomsnittsprov Prov av förväntat resultat The utmaning är att tidsseriedata överträffas från dataset som inkluderar tidsstämplar och temperatur men Flytta genomsnittsdata inkluderar bara medelklass och inte tidsstämplarna och montering av dessa två kan orsaka inkonsekvens. Plottar flera serier i R - Del 4 i en serie Detta är post 04 i en löpande serie om plotting i R. Ofta vill du samtidigt plotta flera serier på samma plot. Letrsquos försöker planera dagliga observationer tillsammans med ett 30 dagars glidande medelvärde. Till att börja med har jag observationer för YHOO-aktien från den 12 april 1996 till och med den 2 juli 2009. Först måste uppgifterna städas mdash. Jag byter kolumnnamnen i små bokstäver för enkelhets skyld med tolowerfunktionen och vrider textdatumen som yyyy-mm - dd till datum istället för faktorer via as. Date-konstruktorn för datumklasser: Nu tar letrsquos ett första pass vid plotting: Det är mycket vackert, inte minst av vilket för att visa att visa för mycket data för att vara användbar. Letrsquos klippt ner det till bara data från 1 januari 2008 och på: Itrsquos värt att påpeka att Rrsquos plotting code kommer att försöka sätta de övre och nedre gränserna till något rimligt baserat på den data du presenterar den med. Men ibland, särskilt för att få en känsla av skala, vill du verkligen se hela sortimentet. Du kan uppnå detta genom att uttryckligen ställa in y-axelgränserna med ylim. Jag gör också uppgifterna mer presenterbara. Jag vill också rita det rörliga genomsnittet, så jag skapar funktionen ma30 för att beräkna den. Jag lägger också till ma30 som en kolumn med hela dataintervallet så att glidande medelvärdet är korrekt i början av delmängden: Och slutligen replikerar jag data, lägger glidande medelvärde som en andra serie och gör den lite djupare (lwd2 ) för att betona det glidande genomsnittet över de dagliga observationerna: Senaste Postsplot. xts med Moving Average Panel Som ett annat exempel på allt vi kan göra med de nya plot. xts, kan vi försöka göra ett prissätt med en glidande genomsnittlig överlagring. Vi kommer att använda ETF: erna som visas av Mebane Faber på mebanefabertiming-modellen. Med panelfunktionaliteten är det väldigt enkelt att ange en panel för att rita prislinjen och sedan lägga till det beräknade rörliga genomsnittet. Lägg märke till hur det i alla exemplen syns lågkonjunkturblocket enkelt och mycket snyggt. Också, om du ville ange några funky layouter, har vi det alternativet. För det här fallet tycker jag inte att det är mycket meningsfullt, men i framtiden kommer jag att visa några mer lämpliga användningsområden. Missa aldrig en uppdatering Prenumerera på R-bloggare för att få e-post med de senaste R-inläggen. (Du kommer inte se det här meddelandet igen.)