《R的极客理想—工具篇》—— 2.3　时间序列可视化plot.xts

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。

2.3 时间序列可视化plot.xts

问题
如何把时间序列可视化？

引言
r-bloggers的一篇博文：plot.xts is wonderful!，让我有动力继续发现xts的强大。xts扩展了zoo的基础数据结构，并提供了更丰富的功能函数。xtsExtra补充库从可视化的角度出发，提供了一个简单而效果非凡的作图函数plot.xts。本节将用plot.xts来演示xts对象的时间序列可视化！

2.3.1 xtsExtra介绍

xtsExtra是xts包的功能补充包，该软件包在Google Summer of Code 2012发布，最终将合并到xts包，不过在笔者写这本书的时候还没有合并。xtsExtra提供的主要功能就是plot.xts()函数。xts::plot.xts()函数与xtsExtra::plot.xts()函数还是有差别的，下面我们就详细介绍其中的差别！

2.3.2 xtsExtra安装

本节使用的系统环境是：
Win7 64bit
R: 3.0.1 x86_64-w64-mingw32/x64 b4bit
注 xtsExtra同时支持Windows 7环境和Linux环境。
由于xtsExtra没有发布到CRAN，我们要从R-Forge下载。

~ R # 启动R程序

 install.packages("xtsExtra", repos="http://R-Forge.R-project.org")

# 从R-Forge下载xtsExtra包

 library(xtsExtra) # 加载xtsExtra包

xtsExtra::plot.xts()函数覆盖了xts::plot.xts()函数。

2.3.3 xtsExtra包的使用

plot.xts()函数的参数列表如下：

 names(formals(plot.xts))

 [1] "x" "y" "screens" "layout.screens" "..."

 [6] "yax.loc" "auto.grid" "major.ticks" "minor.ticks" "major.format"

[11] "bar.col.up" "bar.col.dn" "candle.col" "xy.labels" "xy.lines"

[16] "ylim" "panel" "auto.legend" "legend.names" "legend.loc"

[21] "legend.pars" "events" "blocks" "nc" "nr"

下面画一个简单的时间序列图，如图2-10所示。

 data(sample_matrix)

 sample_xts - as.xts(sample_matrix)

 plot(sample_xts[,1])

 class(sample_xts[,1])

[1] "xts" "zoo"

从图2-10似乎看不出xtsExtra::plot.xts()函数与xts::plot.xts()函数的不同效果。接下来，我们画点稍微复杂的图形。

画K线图
下面就来画K线图，默认红白配色，如图2-11所示。

 plot(sample_xts[1:30, ], type = "candles")

画K线图：自定义颜色，如图2-12所示。

 plot(sample_xts[1:30, ], type = "candles", bar.col.up = "blue", bar.col.dn =

 "violet", candle.col = "green4")

对panel配置
画基本面板，如图2-13所示。

 plot(sample_xts[,1:2])

画多行面板，如图2-14所示。

 plot(sample_xts[,rep(1:4, each = 3)])

画自由组合面板，如图2-15所示。

 plot(sample_xts[,1:4], layout.screens = matrix(c(1,1,1,1,2,3,4,4),ncol = 2,

 byrow = TRUE))

通过画K线图和面板，就能发现plot.xts()函数提供很多种的画图参数设置，让我们画时间序列图可以有更丰富的可视化表示表现形式。

对screens配置
画双屏幕显示，每屏幕2条线，如图2-16所示。

 plot(sample_xts, screens = 1:2)

画双屏幕显示，指定曲线出现的屏幕和颜色，如图2-17所示。

 plot(sample_xts, screens = c(1,2,1,2), col = c(1,3,2,2))

画双屏幕显示，指定不同的坐标系，如图2-18所示。

 plot(10^sample_xts, screens = 1:2, log= c("","y"))

画双屏幕显示，指定不同的输出图形，如图2-19所示。

 plot(sample_xts[1:75,1:2] - 50.5, type = c("l","h"), lwd = c(1,2))

画多屏幕，并分组显示，如图2-20所示。

 plot(sample_xts[,c(1:4, 3:4)], layout = matrix(c(1,1,1,1,2,2,3,4,5,6), ncol = 2,

 byrow = TRUE), yax.loc = "left")

对events配置
画基本事件分割线，如图2-21所示。

 plot(sample_xts[,1], events = list(time = c("2007-03-15","2007-05-01"), label

 = "bad days"), blocks = list(start.time = c("2007-03-05", "2007-04-15"), end.

 time = c("2007-03-20","2007-05-30"), col = c("lightblue1", "lightgreen")))

双坐标的时间序列
画双坐标视图，如图2-22所示。

 plot(sample_xts[,1],sample_xts[,2])

画双坐标梯度视图，如图2-23所示。

 cr - colorRampPalette(c("#00FF00","#FF0000"))

 plot(sample_xts[,1],sample_xts[,2], xy.labels = FALSE, xy.lines = TRUE, col = 

 cr(NROW(sample_xts)), type = "l")

对xts类型转换作图
以ts数据类型作图，如图2-24所示。

 tser - ts(cumsum(rnorm(50, 0.05, 0.15)), start = 2007, frequency = 12)

 class(tser)

[1] "ts"

 plot(tser)

以xts类型作图，自动增加了背景坐标线，如图2-25所示。

 plot.xts(tser)

用barplot作图
barplot()函数作条形图，如图2-26所示。

 x - xts(matrix(abs(rnorm(72)), ncol = 6), Sys.Date() + 1:12)

 colnames(x) - LETTERS[1:6]

 barplot(x)

我们看到xtsExtra::plot.xts()函数提供了强大的作图功能，很容易做出包含丰富元素的时间序列！

数据可视化—随机漫步 为模拟随机漫步，我们将创建一个RandomWalk类，随机选择前进方向，这个类有三个属性，一个存储随机漫步的次数，另外两个存储随机漫步的每个点的x,y坐标，每次漫步都从点(0,0)出发
Python数据分析系列06-柱状图可视化分析数据 现在有很多小年青，不想吃读书的苦，总觉得读书是一件苦差事，有做不完的作业，有考不完的试，总想着何时能逃离校园，总想着怎样走上社会，总觉得社会的生活多姿多彩，总以为一踏入社会，就能享受到自己想要的生活。 要知道没有一定的背景，想要的生活哪有那么容易得到，很多孩子踏入社会以后，经过社会生活的洗礼后，都无比怀念在学校读书的日子。
Python数据分析系列05-绘制地图可视化分析数据 生活中，无论是谁，都可能遇到人生低谷的时光，或是前路迷茫，或是被命运的洪流击败。 过分患得患失，往往得不偿失。比失败更可怕的是，被失败打败。 有的人遇到挫折后，担心再次失败，而瞻前顾后。 结果，越害怕失败，就越不敢前行，心绪越紧张，就越无法改变现状。 从而，让自己陷入“持续低迷、心力交瘁”的死循环中，无法自拔。