0

不重复：R 中的分 箱日期 或 R中的分箱时间数据

语境

我正在使用getMultipleTicksinRblpapi来提取一个月内股票（在本例中为 TSLA）的分时数据：

rawData = getMultipleTicks("tsla us equity", eventType = "TRADE", startTime = as.POSIXlt("2017-03-10 13:30:00"), endTime = as.POSIXlt("2017-04-10 20:00:00"), tz="America/New_York")

> str(rawData)
'data.frame':   1130690 obs. of  3 variables:
 $ times: POSIXct, format: "2017-03-10 08:30:07" ...
 $ value: num  246 246 246 246 246 ...
 $ size : num  58 42 80 5 9 1 4 73 100 941 ...

客观的

这个数据需要从这个转换：

原始数据：

> head(rawData, 5)
   times                 value   size
1  2017-04-10  09:30:00  309     1
2  2017-04-10  09:30:00  309     1
3  2017-04-10  09:30:02  309     1
4  2017-04-10  09:30:02  308     1
5  2017-04-10  09:30:04  309.38  1

对此：

清洁数据：

> head (cleanData, 5)
    times                value   size
1   2017-04-10 09:30:00  309     2
2   2017-04-10 09:30:01          0
3   2017-04-10 09:30:02  308.5   2
4   2017-04-10 09:30:03          0
5   2017-04-10 09:30:04  309.38  1
  1. 填写缺失的时间（以秒为单位）
  2. 价格（价值以 VWAP 为单位）
  3. 卷（大小）加在一起

计算时间不是问题。

我尝试过的事情

我天真地尝试使用R 中的每个分箱时间数据，?cut但无法获得任何有意义的结果。

一位同事建议使用 for 循环，但不确定如何根据上述要求开始实现它。

4

1 回答 1

1

干得好。value是每秒的 VWAP。

编辑更快的data.table解决方案：

library(data.table)
times_all <- data.table(times = seq(min(rawData$times), 
                       max(rawData$times), 
                       by = "sec"))
merged <- merge(times_all, rawData, all.x=TRUE)
cleanData <- merged[, list(value=sum(value*size,na.rm=TRUE)/sum(size,na.rm=TRUE),
                      size=sum(size)),
                      by=list(times)]
head(cleanData)
                 times    value size
1: 2017-03-10 08:30:07 246.4942  100
2: 2017-03-10 08:30:08      NaN   NA
3: 2017-03-10 08:30:09      NaN   NA
4: 2017-03-10 08:30:10      NaN   NA
5: 2017-03-10 08:30:11      NaN   NA
6: 2017-03-10 08:30:12      NaN   NA

原始dplyr解决方案：

library(dplyr)
cleanData <- rawData %>%
  left_join(data.frame(times = seq(min(rawData$times), 
                                   max(rawData$times), 
                                   by = "sec")), .) %>%
  group_by(times) %>%
  summarize(value = sum(value*size,na.rm=TRUE)/sum(size,na.rm=TRUE), 
            size =  sum(size,na.rm=TRUE)) 

head(cleanData)
# A tibble: 6 × 3
                times    value  size
               <dttm>    <dbl> <dbl>
1 2017-03-10 08:30:07 246.4942   100
2 2017-03-10 08:30:08      NaN     0
3 2017-03-10 08:30:09      NaN     0
4 2017-03-10 08:30:10      NaN     0
5 2017-03-10 08:30:11      NaN     0
6 2017-03-10 08:30:12      NaN     0
于 2017-04-12T20:41:46.937 回答