本节书摘来自华章出版社《R的极客理想—工具篇》一 书中的第2章，第2.2节，作者：张丹，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
问题如何进行复杂的时间序列数据处理？
引言本节将继续2.1节，介绍zoo包的扩展实现。看上去简单的时间序列，却内含复杂的规律。zoo作为时间序列的基础库，是面向通用的设计，可以用来定义股票数据，也可以分析天气数据。但由于业务行为的不同，我们需要更多的辅助函数帮助我们更高效地完成任务。xts扩展了zoo，提供更多的数据处理和数据变换的函数。
xts是对时间序列数据(zoo)的一种扩展实现，目标是为了统一时间序列的操作接口。实际上，xts类型继承了zoo类型，丰富了时间序列数据处理的函数，API定义更贴近使用者，更实用，更简单！
xts数据结构xts扩展zoo的基础结构，由3部分组成，如图2-7所示。索引部分：时间类型向量。数据部分：以矩阵为基础类型，支持可以与矩阵相互转换的任何类型。属性部分：附件信息，包括时区和索引时间类型的格式等。
xts的API介绍（1）xts基础xts: 定义xts数据类型，继承zoo类型。coredata.xts: 查看或编辑xts对象的数据部分。xtsAttributes: 查看或编辑xts对象的属性部分。
dimnames.xts: 查看或编辑xts维度名。sample_matrix: 测试数据集，包括180条xts对象的记录，matrix类型。xtsAPI: C语言API接口。（2）类型转换as.xts: 转换对象到xts(zoo)类型。as.xts.methods: 转换对象到xts函数。plot.xts: 为plot函数提供xts的接口作图。.parseISO8601: 把字符串(ISO8601格式)输出为POSIXct类型的，包括开始时间和结束时间的list对象。firstof: 创建一个开始时间，POSIXct类型。lastof: 创建一个结束时间，POSIXct类型。indexClass: 取索引类型。.indexDate: 索引的日期。.indexday: 索引的日期，同.indexDate。.indexyday: 索引的年(日)值。.indexmday: 索引的月(日)值。.indexwday: 索引的周(日)值。.indexweek: 索引的周值。.indexmon: 索引的月值。.indexyear: 索引的年值。.indexhour: 索引的时值。.indexmin: 索引的分值。.indexsec: 索引的秒值。（3）数据处理align.time: 以下一个时间对齐数据，秒，分钟，小时。endpoints: 按时间单元提取索引数据。merge.xts: 合并多个xts对象，重写zoo::merge.zoo函数。rbind.xts: 数据按行合并，为rbind函数提供xts的接口。split.xts: 数据分割，为split函数，提供xts的接口。na.locf.xts: 替换NA值，重写zoo:na.locf函数。（4）数据统计apply.daily: 按日分割数据，执行函数。apply.weekly: 按周分割数据，执行函数。apply.monthly: 按月分割数据，执行函数。apply.quarterly: 按季分割数据，执行函数。apply.yearly: 按年分割数据，执行函数。to.period: 按期间分割数据。period.apply: 按期间执行自定义函数。period.max: 按期间计算最大值。period.min: 按期间计算最小值。period.prod: 按期间计算指数。period.sum: 按期间求和。nseconds: 计算数据集包括多少秒。nminutes: 计算数据集包括多少分。nhours: 计算数据集包括多少时。ndays: 计算数据集包括多少日。nweeks: 计算数据集包括多少周。nmonths: 计算数据集包括多少月。nquarters: 计算数据集包括多少季。nyears: 计算数据集包括多少年。periodicity: 查看时间序列的期间。（5）辅助工具first: 从开始到结束设置条件取子集。last: 从结束到开始设置条件取子集。timeBased: 判断是否是时间类型。timeBasedSeq: 创建时间的序列。diff.xts: 计算步长和差分。isOrdered: 检查向量是否是顺序的。make.index.unique: 强制时间唯一，增加毫秒随机数。axTicksByTime: 计算X轴刻度标记位置按时间描述。indexTZ: 查询xts对象的时区。2.2.2 xts包的安装本节使用的系统环境是：Win7 64bitR: 3.0.1 x86_64-w64-mingw32/x64 b4bit注 xts同时支持Windows 7环境和Linux环境。xts的安装过程如下：
~ R # 启动R程序 > install.packages("xts") # 安装xts包 also installing the dependency 'zoo' > library(xts) # 加载xts接下来，定义一个xts类型对象。
> sample.xts <- as.xts(sample_matrix, descr='my new xts object') # 创建一个xts对象，并设置属性descr > class(sample.xts) # xts是继承zoo类型的对象 [1] "xts" "zoo" > str(sample.xts) # 打印对象结构 An 'xts' object on 2007-01-02/2007-06-30 containing: Data: num [1:180, 1:4] 50 50.2 50.4 50.4 50.2 ... - attr(*, "dimnames")=List of 2 ..$ : NULL ..$ : chr [1:4] "Open" "High" "Low" "Close" Indexed by objects of class: [POSIXct,POSIXt] TZ: xts Attributes: List of 1 $ descr: chr "my new xts object" > attr(sample.xts,'descr') # 查看对象的属性descr [1] "my new xts object"在[]中，通过字符串匹配进行xts数据查询。
> head(sample.xts['2007']) # 选出2007年的数据 Open High Low Close 2007-01-02 50.03978 50.11778 49.95041 50.11778 2007-01-03 50.23050 50.42188 50.23050 50.39767 2007-01-04 50.42096 50.42096 50.26414 50.33236 2007-01-05 50.37347 50.37347 50.22103 50.33459 2007-01-06 50.24433 50.24433 50.11121 50.18112 2007-01-07 50.13211 50.21561 49.99185 49.99185 > head(sample.xts['2007-03/']) # 选出2007年03月的数据 Open High Low Close 2007-03-01 50.81620 50.81620 50.56451 50.57075 2007-03-02 50.60980 50.72061 50.50808 50.61559 2007-03-03 50.73241 50.73241 50.40929 50.41033 2007-03-04 50.39273 50.40881 50.24922 50.32636 2007-03-05 50.26501 50.34050 50.26501 50.29567 2007-03-06 50.27464 50.32019 50.16380 50.16380 > head(sample.xts['2007-03-06/2007']) # 选出2007年03月06日到2007年的数据 Open High Low Close 2007-03-06 50.27464 50.32019 50.16380 50.16380 2007-03-07 50.14458 50.20278 49.91381 49.91381 2007-03-08 49.93149 50.00364 49.84893 49.91839 2007-03-09 49.92377 49.92377 49.74242 49.80712 2007-03-10 49.79370 49.88984 49.70385 49.88698 2007-03-11 49.83062 49.88295 49.76031 49.78806 > sample.xts['2007-01-03'] # 选出2007年01月03日的数据 Open High Low Close 2007-01-03 50.2305 50.42188 50.2305 50.39767 用xts对象画图用xts对象可以画曲线图（图2-8）和K线图（图2-9），下面是产生这两种图的代码，首先是曲线图： > data(sample_matrix) > plot(as.xts(sample_matrix)) Warning message: In plot.xts(as.xts(sample_matrix)) : only the univariate series will be plotted警告信息提示，只有单变量序列将被绘制，即只画出第一列数据sample_matrix[,1]的曲线。
然后是K线图：
> plot(as.xts(sample_matrix), type='candles') #画K线图 xts对象的类型转换创建首尾时间函数firstof()和lastof()。 > firstof(2000) # 2000年的第一天，时分秒显示省略 [1] "2000-01-01 CST" > firstof(2005,01,01) [1] "2005-01-01 CST" > lastof(2007) # 2007年的最后一天，最后一秒 [1] "2007-12-31 23:59:59.99998 CST" > lastof(2007,10) [1] "2007-10-31 23:59:59.99998 CST" 创建首尾时间。 > .parseISO8601('2000') # 以ISO8601格式，创建2000年首尾时间 $first.time [1] "2000-01-01 CST" $last.time [1] "2000-12-31 23:59:59.99998 CST" > .parseISO8601('2000-05/2001-02') # 以ISO8601格式，创建2000年05月开始，2001年02月结束的时间 $first.time [1] "2000-05-01 CST" $last.time [1] "2001-02-28 23:59:59.99998 CST" > .parseISO8601('2000-01/02') $first.time [1] "2000-01-01 CST" $last.time [1] "2000-02-29 23:59:59.99998 CST" > .parseISO8601('T08:30/T15:00') $first.time [1] "1970-01-01 08:30:00 CST" $last.time [1] "1970-12-31 15:00:59.99999 CST" 创建以时间类型为索引的xts对象。 > x <- timeBasedSeq('2010-01-01/2010-01-02 12:00') # 创建POSIXt类型时间 > head(x) [1] "2010-01-01 00:00:00 CST" [2] "2010-01-01 00:01:00 CST" [3] "2010-01-01 00:02:00 CST" [4] "2010-01-01 00:03:00 CST" [5] "2010-01-01 00:04:00 CST" [6] "2010-01-01 00:05:00 CST" > class(x) [1] "POSIXt" "POSIXct" > x <- xts(1:length(x), x) # 以时间为索引创建xts对象 > head(x) [,1] 2010-01-01 00:00:00 1 2010-01-01 00:01:00 2 2010-01-01 00:02:00 3 2010-01-01 00:03:00 4 2010-01-01 00:04:00 5 2010-01-01 00:05:00 6 > indexClass(x) [1] "POSIXt" "POSIXct" 格式化索引时间的显示。 > indexFormat(x) <- "%Y-%b-%d %H:%M:%OS3" # 通过正则格式化索引的时间显示 > head(x) [,1] 2010-一月-01 00:00:00.000 1 2010-一月-01 00:01:00.000 2 2010-一月-01 00:02:00.000 3 2010-一月-01 00:03:00.000 4 2010-一月-01 00:04:00.000 5 2010-一月-01 00:05:00.000 6 查看索引时间。 > .indexhour(head(x)) # 按小时取索引时间 [1] 0 0 0 0 0 0 > .indexmin(head(x)) # 按分钟取索引时间 [1] 0 1 2 3 4 5 xts对象的数据处理数据对齐。 > x <- Sys.time() + 1:30 > align.time(x, 10) #整10秒对齐，秒位为10的整数倍 [1] "2013-11-18 15:42:30 CST" "2013-11-18 15:42:30 CST" [3] "2013-11-18 15:42:30 CST" "2013-11-18 15:42:40 CST" [5] "2013-11-18 15:42:40 CST" "2013-11-18 15:42:40 CST" [7] "2013-11-18 15:42:40 CST" "2013-11-18 15:42:40 CST" [29] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" > align.time(x, 60) #整60秒对齐，秒位为0，分位为整数 [1] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" [3] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" [5] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" [7] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" [9] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" [11] "2013-11-18 15:43:00 CST" "2013-11-18 15:43:00 CST" 按时间分割数据，并计算。 > xts.ts <- xts(rnorm(231),as.Date(13514:13744,origin="1970-01-01")) > apply.monthly(xts.ts,mean) # 按月计算均值，以每月的最后一日显示 [,1] 2007-01-31 0.17699984 2007-02-28 0.30734220 2007-03-31 -0.08757189 2007-04-30 0.18734688 2007-05-31 0.04496954 2007-06-30 0.06884836 2007-07-31 0.25081814 2007-08-19 -0.28845938 > apply.monthly(xts.ts,function(x) var(x)) # 按月计算自定义函数(方差)，以每月的最后一日显示 [,1] 2007-01-31 0.9533217 2007-02-28 0.9158947 2007-03-31 1.2821450 2007-04-30 1.2805976 2007-05-31 0.9725438 2007-06-30 1.5228904 2007-07-31 0.8737030 2007-08-19 0.8490521 > apply.quarterly(xts.ts,mean) # 按季计算均值，以每季的最后一日显示 [,1] 2007-03-31 0.12642053 2007-06-30 0.09977926 2007-08-19 0.04589268 > apply.yearly(xts.ts,mean) # 按年计算均值，以年季的最后一日显示 [,1] 2007-08-19 0.09849522 使用to.period()函数按间隔分割数据。 > data(sample_matrix) > to.period(sample_matrix) # 默认按月分割矩阵数据 sample_matrix.Open sample_matrix.High sample_matrix.Low sample_matrix.Close 2007-01-31 50.03978 50.77336 49.76308 50.22578 2007-02-28 50.22448 51.32342 50.19101 50.77091 2007-03-31 50.81620 50.81620 48.23648 48.97490 2007-04-30 48.94407 50.33781 48.80962 49.33974 2007-05-31 49.34572 49.69097 47.51796 47.73780 2007-06-30 47.74432 47.94127 47.09144 47.76719 > class(to.period(sample_matrix)) [1] "matrix" > samplexts <- as.xts(sample_matrix) # 默认按月分割xts类型数据 > to.period(samplexts) samplexts.Open samplexts.High samplexts.Low samplexts.Close 2007-01-31 50.03978 50.77336 49.76308 50.22578 2007-02-28 50.22448 51.32342 50.19101 50.77091 2007-03-31 50.81620 50.81620 48.23648 48.97490 2007-04-30 48.94407 50.33781 48.80962 49.33974 2007-05-31 49.34572 49.69097 47.51796 47.73780 2007-06-30 47.74432 47.94127 47.09144 47.76719 > class(to.period(samplexts)) [1] "xts" "zoo" 使用endpoints()函数，按间隔分割索引数据。 > data(sample_matrix) > endpoints(sample_matrix) # 默认按月分割 [1] 0 30 58 89 119 150 180 > endpoints(sample_matrix, 'days',k=7) # 按每7日分割 [1] 0 6 13 20 27 34 41 48 55 62 69 76 83 90 97 104 111 118 125 [20] 132 139 146 153 160 167 174 180 > endpoints(sample_matrix, 'weeks') # 按周分割 [1] 0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119 126 [20] 133 140 147 154 161 168 175 180 > endpoints(sample_matrix, 'months') # 按月分割 [1] 0 30 58 89 119 150 180 使用merge()函数进行数据合并，按列合并。 > (x <- xts(4:10, Sys.Date()+4:10)) # 创建2个xts数据集 [,1] 2013-11-22 4 2013-11-23 5 2013-11-24 6 2013-11-25 7 2013-11-26 8 2013-11-27 9 2013-11-28 10 > (y <- xts(1:6, Sys.Date()+1:6)) [,1] 2013-11-19 1 2013-11-20 2 2013-11-21 3 2013-11-22 4 2013-11-23 5 2013-11-24 6 > merge(x,y) # 按列合并数据，空项以NA填空 x y 2013-11-19 NA 1 2013-11-20 NA 2 2013-11-21 NA 3 2013-11-22 4 4 2013-11-23 5 5 2013-11-24 6 6 2013-11-25 7 NA 2013-11-26 8 NA 2013-11-27 9 NA 2013-11-28 10 NA > merge(x,y, join='inner') #按索引合并数据 x y 2013-11-22 4 4 2013-11-23 5 5 2013-11-24 6 6 > merge(x,y, join='left') #以左侧为基础合并数据 x y 2013-11-22 4 4 2013-11-23 5 5 2013-11-24 6 6 2013-11-25 7 NA 2013-11-26 8 NA 2013-11-27 9 NA 2013-11-28 10 NA 使用rbind()函数进行数据合并，按行合并。 > x <- xts(1:3, Sys.Date()+1:3) > rbind(x,x) # 按行合并数据 [,1] 2013-11-19 1 2013-11-19 1 2013-11-20 2 2013-11-20 2 2013-11-21 3 2013-11-21 3 使用split()函数进行数据切片，按行切片。 > data(sample_matrix) > x <- as.xts(sample_matrix) > split(x)[[1]] # 默认按月进行切片，打印第一个月的数据 Open High Low Close 2007-01-02 50.03978 50.11778 49.95041 50.11778 2007-01-03 50.23050 50.42188 50.23050 50.39767 2007-01-04 50.42096 50.42096 50.26414 50.33236 2007-01-05 50.37347 50.37347 50.22103 50.33459 2007-01-06 50.24433 50.24433 50.11121 50.18112 2007-01-07 50.13211 50.21561 49.99185 49.99185 2007-01-08 50.03555 50.10363 49.96971 49.98806 > split(x, f="weeks")[[1]] # 按周切片，打印前1周数据 Open High Low Close 2007-01-02 50.03978 50.11778 49.95041 50.11778 2007-01-03 50.23050 50.42188 50.23050 50.39767 2007-01-04 50.42096 50.42096 50.26414 50.33236 2007-01-05 50.37347 50.37347 50.22103 50.33459 2007-01-06 50.24433 50.24433 50.11121 50.18112 2007-01-07 50.13211 50.21561 49.99185 49.99185 2007-01-08 50.03555 50.10363 49.96971 49.98806 NA值处理。 > x <- xts(1:10, Sys.Date()+1:10) > x[c(1,2,5,9,10)] <- NA > x [,1] 2013-11-19 NA 2013-11-20 NA 2013-11-21 3 2013-11-22 4 2013-11-23 NA 2013-11-24 6 2013-11-25 7 2013-11-26 8 2013-11-27 NA 2013-11-28 NA > na.locf(x) #取NA的前一个，替换NA值 [,1] 2013-11-19 NA 2013-11-20 NA 2013-11-21 3 2013-11-22 4 2013-11-23 4 2013-11-24 6 2013-11-25 7 2013-11-26 8 2013-11-27 8 2013-11-28 8 > na.locf(x, fromLast=TRUE) #取NA后一个，替换NA值 [,1] 2013-11-19 3 2013-11-20 3 2013-11-21 3 2013-11-22 4 2013-11-23 6 2013-11-24 6 2013-11-25 7 2013-11-26 8 2013-11-27 NA 2013-11-28 NA xts对象的数据统计计算对xts对象可以进行各种数据统计计算，比如取开始时间和结束时间，计算时间区间，按期间计算统计指标。（1）取xts对象的开始时间和结束时间，具体代码如下：
> xts.ts <- xts(rnorm(231),as.Date(13514:13744,origin="1970-01-01")) > start(xts.ts) # 取开始时间 [1] "2007-01-01" > end(xts.ts) # 取结束时间 [1] "2007-08-19" > periodicity(xts.ts) # 以日为单位，打印开始和结束时间 Daily periodicity from 2007-01-01 to 2007-08-19 （2）计算时间区间函数，具体代码如下： > data(sample_matrix) > ndays(sample_matrix) # 计算数据有多少日 [1] 180 > nweeks(sample_matrix) # 计算数据有多少周 [1] 26 > nmonths(sample_matrix) # 计算数据有多少月 [1] 6 > nquarters(sample_matrix) # 计算数据有多少季 [1] 2 > nyears(sample_matrix) # 计算数据有多少年 [1] 1 （3）按期间计算统计指标，具体代码如下： > zoo.data <- zoo(rnorm(31)+10,as.Date(13514:13744,origin="1970-01-01")) > ep <- endpoints(zoo.data,'weeks') # 按周获得期间索引 > ep [1] 0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119 [19] 126 133 140 147 154 161 168 175 182 189 196 203 210 217 224 231 > period.apply(zoo.data, INDEX=ep, FUN=function(x) mean(x)) # 计算周的均值 2007-01-07 2007-01-14 2007-01-21 2007-01-28 2007-02-04 2007-02-11 2007-02-18 10.200488 9.649387 10.304151 9.864847 10.382943 9.660175 9.857894 2007-02-25 2007-03-04 2007-03-11 2007-03-18 2007-03-25 2007-04-01 2007-04-08 10.495037 9.569531 10.292899 9.651616 10.089103 9.961048 10.304860 2007-04-15 2007-04-22 2007-04-29 2007-05-06 2007-05-13 2007-05-20 2007-05-27 9.658432 9.887531 10.608082 9.747787 10.052955 9.625730 10.430030 2007-06-03 2007-06-10 2007-06-17 2007-06-24 2007-07-01 2007-07-08 2007-07-15 9.814703 10.224869 9.509881 10.187905 10.229310 10.261725 9.855776 2007-07-22 2007-07-29 2007-08-05 2007-08-12 2007-08-19 9.445072 10.482020 9.844531 10.200488 9.649387 > head(period.max(zoo.data, INDEX=ep)) # 计算周的最大值 [,1] 2007-01-07 12.05912 2007-01-14 10.79286 2007-01-21 11.60658 2007-01-28 11.63455 2007-02-04 12.05912 2007-02-11 10.67887 > head(period.min(zoo.data, INDEX=ep)) # 计算周的最小值 [,1] 2007-01-07 8.874509 2007-01-14 8.534655 2007-01-21 9.069773 2007-01-28 8.461555 2007-02-04 9.421085 2007-02-11 8.534655 > head(period.prod(zoo.data, INDEX=ep)) # 计算周的一个指数值 [,1] 2007-01-07 11140398 2007-01-14 7582350 2007-01-21 11930334 2007-01-28 8658933 2007-02-04 12702505 2007-02-11 7702767 xts对象的时间序列操作检查时间类型。 > class(Sys.time());timeBased(Sys.time()) # Sys.time() 是时间类型POSIXct [1] "POSIXct" "POSIXt" [1] TRUE > class(Sys.Date());timeBased(Sys.Date()) # Sys.Date() 是时间类型Date [1] "Date" [1] TRUE > class(20070101);timeBased(20070101) # 20070101 不是时间类型 [1] "numeric" [1] FALSE 使用timeBasedSeq()函数创建时间序列。 > timeBasedSeq('1999/2008') # 按年 [1] "1999-01-01" "2000-01-01" "2001-01-01" "2002-01-01" "2003-01-01" [6] "2004-01-01" "2005-01-01" "2006-01-01" "2007-01-01" "2008-01-01" > head(timeBasedSeq('199901/2008')) # 按月 [1] "十二月 1998" "一月 1999" "二月 1999" "三月 1999" "四月 1999" [6] "五月 1999" > head(timeBasedSeq('199901/2008/d'),40) # 按日 [1] "十二月 1998" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [6] "一月 1999" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [11] "一月 1999" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [16] "一月 1999" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [21] "一月 1999" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [26] "一月 1999" "一月 1999" "一月 1999" "一月 1999" "一月 1999" [31] "一月 1999" "一月 1999" "二月 1999" "二月 1999" "二月 1999" [36] "二月 1999" "二月 1999" "二月 1999" "二月 1999" "二月 1999" > timeBasedSeq('20080101 0830',length=100) # 按数量创建，100分钟的数据集 $from [1] "2008-01-01 08:30:00 CST" $to [1] NA $by [1] "mins" $length.out [1] 100 按索引取数据first()和last()。 > x <- xts(1:100, Sys.Date()+1:100) > head(x) [,1] 2013-11-19 1 2013-11-20 2 2013-11-21 3 2013-11-22 4 2013-11-23 5 2013-11-24 6 > first(x, 10) # 取前10条数据 [,1] 2013-11-19 1 2013-11-20 2 2013-11-21 3 2013-11-22 4 2013-11-23 5 2013-11-24 6 2013-11-25 7 2013-11-26 8 2013-11-27 9 2013-11-28 10 > first(x, '1 day') # 取1天的数据 [,1] 2013-11-19 1 > last(x, '1 weeks') # 取最后1周的数据 [,1] 2014-02-24 98 2014-02-25 99 2014-02-26 100 计算步长lag()和差分diff()。 > x <- xts(1:5, Sys.Date()+1:5) > lag(x) # 以1为步长 [,1] 2013-11-19 NA 2013-11-20 1 2013-11-21 2 2013-11-22 3 2013-11-23 4 > lag(x, k=-1, na.pad=FALSE) # 以-1为步长，并去掉NA值 [,1] 2013-11-19 2 2013-11-20 3 2013-11-21 4 2013-11-22 5 > diff(x) # 1阶差分 [,1] 2013-11-19 NA 2013-11-20 1 2013-11-21 1 2013-11-22 1 2013-11-23 1 > diff(x, lag=2) # 2阶差分 [,1] 2013-11-19 NA 2013-11-20 NA 2013-11-21 2 2013-11-22 2 2013-11-23 2 使用isOrdered()函数，检查向量是否排序好的。 > isOrdered(1:10, increasing=TRUE) [1] TRUE > isOrdered(1:10, increasing=FALSE) [1] FALSE > isOrdered(c(1,1:10), increasing=TRUE) [1] FALSE > isOrdered(c(1,1:10), increasing=TRUE, strictly=FALSE) [1] TRUE 使用make.index.unique()函数，强制唯一索引。 > x <- xts(1:5, as.POSIXct("2011-01-21") + c(1,1,1,2,3)/1e3) > x [,1] 2011-01-21 00:00:00.000 1 2011-01-21 00:00:00.000 2 2011-01-21 00:00:00.000 3 2011-01-21 00:00:00.002 4 2011-01-21 00:00:00.003 5 > make.index.unique(x) # 增加毫秒级精度，保证索引的唯一性 [,1] 2011-01-21 00:00:00.000999 1 2011-01-21 00:00:00.001000 2 2011-01-21 00:00:00.001001 3 2011-01-21 00:00:00.002000 4 2011-01-21 00:00:00.003000 5 查询xts对象时区。 > x <- xts(1:10, Sys.Date()+1:10) > indexTZ(x) # 时区查询 [1] "UTC" > tzone(x) [1] "UTC" > str(x) An 'xts' object on 2013-11-19/2013-11-28 containing: Data: int [1:10, 1] 1 2 3 4 5 6 7 8 9 10 Indexed by objects of class: [Date] TZ: UTC xts Attributes: NULLxts给了zoo类型时间序列更多的API支持，这样我们就有了更方便的工具，可以做各种时间序列的转换和变形了。
相关资源：将CSV格式转换成xts,zoo时间序列格式