如何重塑我的数据框以在R中使用TTR？

问题描述

基本上TTR允许获取股票行情的技术指标，数据应为垂直格式，如：

Date         Open   High    Low     Close
2014-05-16  16.83   16.84   16.63   16.71
2014-05-19  16.73   16.93   16.66   16.80
2014-05-20  16.80   16.81   16.58   16.70

但是我的数据框就像：

   Sdate    Edate   Tickers Open_1  Open_2  Open_3  High_1  High_2  High_3  Low_1   Low_2   Low_3   Close_1 Close_2 Close_3
2014-05-16  2014-07-21  TK  31.6    31.8    32.2    32.4    32.4    33.0    31.1    31.5    32.1    32.1    32.1    32.7 
2014-05-17  2014-07-22  TGP 25.1    24.8    25.0    25.1    25.3    25.8    24.1    24.4    24.9    24.8    25.0    25.6 
2014-05-18  2014-07-23  DNR 3.4     3.5     3.8     3.6     3.8     4.1     3.3     3.5     3.8     3.5     3.7     3.9

如您所见，我有多个代码和时间范围。我查看了软件包TTR，但没有说明如何从中获得水平制作的技术指标和多个代码。我的原始数据有50天和数千笔行情。为此，我只是知道，我需要为每个行情自动收录器列出清单，但是我对如何执行此操作感到困惑。我该如何实现？

解决方法

您可以使用pivot_longer获取垂直形状的数据：

out <- tidyr::pivot_longer(df,cols = -c(Sdate,Edate,Tickers),names_to = c('.value','num'),names_sep = '_')
out

# A tibble: 9 x 8
#  Sdate      Edate      Tickers num    Open  High   Low Close
#  <chr>      <chr>      <chr>   <chr> <dbl> <dbl> <dbl> <dbl>
#1 2014-05-16 2014-07-21 TK      1      31.6  32.4  31.1  32.1
#2 2014-05-16 2014-07-21 TK      2      31.8  32.4  31.5  32.1
#3 2014-05-16 2014-07-21 TK      3      32.2  33    32.1  32.7
#4 2014-05-17 2014-07-22 TGP     1      25.1  25.1  24.1  24.8
#5 2014-05-17 2014-07-22 TGP     2      24.8  25.3  24.4  25  
#6 2014-05-17 2014-07-22 TGP     3      25    25.8  24.9  25.6
#7 2014-05-18 2014-07-23 DNR     1       3.4   3.6   3.3   3.5
#8 2014-05-18 2014-07-23 DNR     2       3.5   3.8   3.5   3.7
#9 2014-05-18 2014-07-23 DNR     3       3.8   4.1   3.8   3.9

如果您想根据Ticker将以上数据分成数据帧列表，则可以使用split。

split(out,out$Tickers)

数据

df <- structure(list(Sdate = c("2014-05-16","2014-05-17","2014-05-18"
),Edate = c("2014-07-21","2014-07-22","2014-07-23"),Tickers = c("TK","TGP","DNR"),Open_1 = c(31.6,25.1,3.4),Open_2 = c(31.8,24.8,3.5),Open_3 = c(32.2,25,3.8),High_1 = c(32.4,3.6),High_2 = c(32.4,25.3,High_3 = c(33,25.8,4.1),Low_1 = c(31.1,24.1,3.3),Low_2 = c(31.5,24.4,Low_3 = c(32.1,24.9,Close_1 = c(32.1,Close_2 = c(32.1,3.7),Close_3 = c(32.7,25.6,3.9)),class = "data.frame",row.names = c(NA,-3L))