将价格数据聚合到 R data.table 中的不同时间范围

您好，我希望将 data.table 中的每分钟数据汇总到 5 分钟（或 10 分钟）范围内。我知道通过使用 xts 和 to.mines5 函数可以轻松完成此操作，但我不喜欢在这种情况下使用 xts，因为数据集相当大。有没有一种简单的方法可以在 data.table 中执行此操作？

数据示例：在此示例中，21.30 到 21.34（含）之间的时间段只有一行，其中 t = 21.30、开盘价 = 0.88703、最高价 = 0.88799、最低价 = 0.88702、收盘价 = 0.88798、交易量 = 43（请注意数据来自21.35 本身被忽略）。

                      t    open    high     low   close volume
 1: 2010-01-03 21:27:00 0.88685 0.88688 0.88685 0.88688      2
 2: 2010-01-03 21:28:00 0.88688 0.88688 0.88686 0.88688      5
 3: 2010-01-03 21:29:00 0.88688 0.88704 0.88687 0.88703      7
 4: 2010-01-03 21:30:00 0.88703 0.88795 0.88702 0.88795     10
 5: 2010-01-03 21:31:00 0.88795 0.88795 0.88774 0.88778      7
 6: 2010-01-03 21:32:00 0.88778 0.88778 0.88753 0.88760      8
 7: 2010-01-03 21:33:00 0.88760 0.88781 0.88760 0.88775     11
 8: 2010-01-03 21:34:00 0.88775 0.88799 0.88775 0.88798      7
 9: 2010-01-03 21:35:00 0.88798 0.88803 0.88743 0.88782      8
10: 2010-01-03 21:36:00 0.88782 0.88782 0.88770 0.88778      6

根据 GSee 的要求从 dput(head(myData)) 输出。我想使用 data.table 来存储一些基于此原始数据的更多派生字段。因此，即使我确实使用 xts 来汇总这些价格条，我也必须以某种方式将它们放入数据表中，因此我很感激有关使用 xts 项目保存 data.table 的正确方法的任何提示。

structure(list(t = structure(c(1241136000, 1241136060, 1241136120, 
1241136180, 1241136240, 1241136300), class = c("POSIXct", "POSIXt"
), tzone = "Europe/London"), open = c(0.89467, 0.89467, 0.89472, 
0.89473, 0.89504, 0.895), high = c(0.89481, 0.89475, 0.89473, 
0.89506, 0.8951, 0.895), low = c(0.89457, 0.89465, 0.89462, 0.89473, 
0.89486, 0.89486), close = c(0.89467, 0.89472, 0.89473, 0.89504, 
0.895, 0.89488), volume = c(96L, 14L, 123L, 49L, 121L, 36L)), .Names = c("t", 
"open", "high", "low", "close", "volume"), class = c("data.table", 
"data.frame"), row.names = c(NA, -6L), .internal.selfref = <pointer: 0x0000000000100788>)

您可以使用endpoints函数（用 C 语言编写）来自xts on POSIXt向量。endpoints查找特定时间段内最后一个元素的位置。按照惯例，1:05 不会与 1:00 包含在同一小节中。所以，您提供的数据dputfor（与上面打印的数据不同）将有 2 个条。

假设dt是你的data.table:

library(data.table)
library(xts)

setkey(dt, t)  # make sure the data.table is sorted by time.
ep <- endpoints(dt$t, "minutes", 5)[-1] # remove the first value, which is 0
dt[ep, grp:=seq_along(ep)]              # create a column to group by
dt[, grp:=na.locf(grp, fromLast=TRUE)]  # fill in NAs

dt[, list(t=last(t), open=open[1], high=max(high), low=min(low), 
          close=last(close), volume=sum(volume)), by=grp]

   grp                   t    open   high     low   close volume
1:   1 2009-05-01 01:04:00 0.89467 0.8951 0.89457 0.89500    403
2:   2 2009-05-01 01:05:00 0.89500 0.8950 0.89486 0.89488     36