我有一个数据集，它是价格变化的记录，以及其他变量。我想将价格列更改为分类变量。我知道 R 中重要的两个功能似乎是dplyr和/或cut。
> head(btc_data)
time btc_price
1 2017-08-27 22:50:00 4,389.6113
2 2017-08-27 22:51:00 4,389.0850
3 2017-08-27 22:52:00 4,388.8625
4 2017-08-27 22:53:00 4,389.7888
5 2017-08-27 22:56:00 4,389.9138
6 2017-08-27 22:57:00 4,390.1663
>dput(btc_data)
("4,972.0700", "4,972.1763", "4,972.6563", "4,972.9188", "4,972.9763",
"4,973.1575", "4,974.9038", "4,975.0913", "4,975.1738", "4,975.9325",
"4,976.0725", "4,976.1275", "4,976.1825", "4,976.1888", "4,979.0025",
"4,979.4800", "4,982.7375", "4,983.1813", "4,985.3438", "4,989.2075",
"4,989.7888", "4,990.1850", "4,991.4500", "4,991.6600", "4,992.5738",
"4,992.6900", "4,992.8025", "4,993.8388", "4,994.7013", "4,995.0788",
"4,995.8800", "4,996.3338", "4,996.4188", "4,996.6725", "4,996.7038",
"4,997.1538", "4,997.7375", "4,997.7750", "5,003.5150", "5,003.6288",
"5,003.9188", "5,004.2113", "5,005.1413", "5,005.2588", "5,007.2788",
"5,007.3125", "5,007.6788", "5,008.8600", "5,009.3975", "5,009.7175",
"5,010.8500", "5,011.4138", "5,011.9838", "5,013.1250", "5,013.4350",
"5,013.9075"), class = "factor")), .Names = c("time", "btc_price"
), class = "data.frame", row.names = c(NA, -10023L))
困难在于我想要创建的类别。-1,0,1类别应基于上一个时间滞后的变化百分比。
例如，过去 60 分钟内价格上涨 20% 将被标记为 1，否则标记为 0。过去 60 分钟内价格下跌 20% 应为 -1，否则为 0。
这在 R 中可能吗？实施变更的最有效方法是什么？
这里和这里都有一个类似的问题，但这些不能回答我的问题，原因有两个——
a) 我正在尝试计算百分比变化，而不仅仅是差异 在 2 行之间。
b) 此计算应基于滚动过去时间范围的最大值/最小值(即过去一小时减少 20% = -1，过去一小时增加 20% = 1
这是一种简单的方法，无需依赖data.table包。如果仅希望间隔为 60 分钟，则首先需要筛选相关的 60 分钟间隔btc_data。
# make sure time is a date that can be sorted properly
btc_data$time = as.POSIXct(btc_data$time)
# sort data frame
btc_data = btc_data[order(btc_data$time),]
# calculate percentage change for 1 minute lag
btc_data$perc_change = NA
btc_data$perc_change[2:nrow(btc_data)] = (btc_data$btc_price[2:nrow(btc_data)] - btc_data$btc_price[1:(nrow(btc_data)-1)])/btc_data$btc_price[1:(nrow(btc_data)-1)]
# create category column
# NOTE: first category entry will be NA
btc_data$category = ifelse(btc_data$perc_change > 0.20, 1, ifelse(btc_data$perc_change < -0.20, -1, 0))
使用data.table包并将btc_data转换为data.table将是一种更有效、更快捷的方法。使用该包有一个学习曲线，但这个包有很棒的小插曲和教程。
使用百分比总是很困难。你需要知道，每件事都是灵活的：当你选择一个差值、运行平均值、最大值或其他任何东西的参考时，你在参考的一侧至少有两个变量，你必须仔细选择。与要设置的与引用相关的值相同。总之，这为您提供了几乎无限可能的方式计算您的百分比。这是您问题的关键。
# create the data
dat <- c("4,972.0700", "4,972.1763", "4,972.6563", "4,972.9188", "4,972.9763",
"4,973.1575", "4,974.9038", "4,975.0913", "4,975.1738", "4,975.9325",
"4,976.0725", "4,976.1275", "4,976.1825", "4,976.1888", "4,979.0025",
"4,979.4800", "4,982.7375", "4,983.1813", "4,985.3438", "4,989.2075",
"4,989.7888", "4,990.1850", "4,991.4500", "4,991.6600", "4,992.5738",
"4,992.6900", "4,992.8025", "4,993.8388", "4,994.7013", "4,995.0788",
"4,995.8800", "4,996.3338", "4,996.4188", "4,996.6725", "4,996.7038",
"4,997.1538", "4,997.7375", "4,997.7750", "5,003.5150", "5,003.6288",
"5,003.9188", "5,004.2113", "5,005.1413", "5,005.2588", "5,007.2788",
"5,007.3125", "5,007.6788", "5,008.8600", "5,009.3975", "5,009.7175",
"5,010.8500", "5,011.4138", "5,011.9838", "5,013.1250", "5,013.4350",
"5,013.9075")
dat <- as.numeric(gsub(",","",dat))
# calculate the difference to the last minute
dd <- diff(dat)
# calculate the running ratio to difference of the last minutes
interval = 20
out <- NULL
for(z in interval:length(dd)){
out <- c(out, (dd[z] / mean(dd[(z-interval):z])))
}
# calculate the running ratio to price of the last minutes
out2 <- NULL
for(z in interval:length(dd)){
out2 <- c(out2, (dat[z] / mean(dat[(z-interval):z])))
}
# build categories for difference-ratio
catego <- as.vector(cut(out, breaks=c(-Inf,0.8,1.2,Inf), labels=c(-1,0,1)))
catego <- c(rep(NA,interval+1), as.numeric(catego))
# plot
plot(dat, type="b", main="price orginal")
plot(dd, main="absolute difference to last minute", type="b")
plot(out, main=paste('difference to last minute, relative to "mean" of the last', interval, 'min'), type="b")
abline(h=c(0.8, 1.2), col="magenta")
plot(catego, main=paste("categories for", interval))
plot(out2, main=paste('price last minute, relative to "mean" of the last', interval, 'min'), type="b")
我想你搜索如何计算最后一个图(price last minute, relative to "mean" of t...)的方式，这个例子中的值在1.0010和1.0025之间变化，与你预期的0.8和1.2相去甚远。当您选择大于 20 分钟的时间间隔时，您可以使差异更大，也许一周可能很好 (11340)，但即使有这么高的时间值，也很难达到高于 1.2 的值。问题是5000的高价10的变化很小。
您还必须考虑到您给出的价格不断上涨，因此不可能获得低于 1 的值。
在此计算中，我使用mean()进行最后几分钟的运行观察。我不确定，但我推测，在股票市场上，您同时使用min()和max()作为不同时间间隔的参考。当您的价格上涨时，您可以选择min()作为参考，在价格下跌时选择max()作为参考。所有这些都在 R 中是可能的。
我无法完全重现您的示例，但是如果我不得不猜测您会想做这样的事情：
btc_data$btc_price <- as.character(btc_data$btc_price)
btc_data$btc_price <- as.data.frame(as.numeric(gsub(",", "",
btc_data$btc_price)))
pct_change <- NULL
for (i in 61:nrow(btc_data$btc_price)){
pct_change[i] <- (btc_data$btc_price[i,] - btc_data$btc_price[i - 60,]) /
btc_data$btc_price[i - 60,]
}
pct_change <- pct_change[61:length(pct_change)]
new_category <- cut(pct_change, breaks = c(min(pct_change), -.2, .2,
max(pct_change)), labels = c(-1,0,1))
btc_data.new <- btc_data[61 : nrow(btc_data),]
btc.data.new <- data.frame(btc_data.new, new_category)