DolphinDb时序自动填充

asFreq

语法

asFreq(X, rule, [closed], [label], [origin=’start_day’])

参数

X 是有时间类型索引的矩阵（由 setIndexedMatrix! 创建）或序列（由 setIndexedSeries! 创建）。

rule 可以是一个字符串，可取以下值，亦可为一个时间类型的向量。

Y参数取值	对应DolphinDB函数
“B”	businessDay
“W”	weekEnd
“WOM”	weekOfMonth
“LWOM”	lastWeekOfMonth
“M”	monthEnd
“MS”	monthBegin
“BM”	businessMonthEnd
“BMS”	businessMonthBegin
“SM”	semiMonthEnd
“SMS”	semiMonthBegin
“Q”	quarterEnd
“QS”	quarterBegin
“BQ”	businessQuarterEnd
“BQS”	businessQuarterBegin
“REQ”	FY5253Quarter
“A”	yearEnd
“AS”	yearBegin
“BA”	businessYearEnd
“BAS”	businessYearBegin
“RE”	FY5253
“D”	date
“H”	hourOfDay
“min”	minuteOfHour
“S”	secondOfMinute
“L”	millisecond
“U”	microsecond
“N”	nanosecond

New in version 2.00.9: 交易日历

rule 上述字符串亦可配合使用数字，例如 “2M” 表示频率为每两个月月末。除上述取值外，rule 也可指定交易日历的标识，以便基于交易日历进行计算。例如：国外交易所的 ISO Code、国内交易所简称或自定义交易日历名称。

New in version 2.00.6: 参数 closed, label, origin

closed 字符串，表示分组区间哪一个边界是闭合的。

• rule 为 ‘M’, ‘A’, ‘Q’, ‘BM’, ‘BA’, ‘BQ’ 和 ‘W’ 时，closed 的默认取值为 ‘right’ ，否则，closed 的默认取值为 ‘left’。

• origin 取 ‘end’ 或者 ‘end_day’ 时，closed 的默认值为 ‘right’。

• 2.00.6 版本，当 rule 的精度为天以上时，不支持使用默认值以外的选项。

label 字符串，表示将分组区间的哪一个边界作为 label 输出。

• rule 为 ‘M’, ‘A’, ‘Q’, ‘BM’, ‘BA’, ‘BQ’ 和 ‘W’ 时，label 的默认取值为 ‘right’ ，否则，label 的默认取值为 ‘left’。

• origin 取 ‘end’ 或者 ‘end_day’ 时，label 的默认值为 ‘right’。

• 2.00.6 版本，当 rule 的精度为天以上时，不支持使用默认值以外的选项。

origin 字符串或和 X 具有相同时间类型的标量，表示基于时间戳调整分组。取值为 ‘epoch’, start’, ‘start_day’, ‘end’, ‘end_day’ 或自定义的时间对象，默认值为 ‘start_day’。

• ‘epoch’：分组起始点为1970-01-01。

• ‘start’：分组起始点为时间序列的第一个值。

• ‘start_day’：分组起始点是时间序列的第一个值对应日期的午夜零点。

• ‘end’：分组起始点是时间序列的最后一个时间戳。

• ‘end_day’：分组起始点是时间序列的最后一个时间戳对应日期的午夜24点（即下一日的零点）。

详情

转换给定数据的时间频率。与 resample 函数不同，该函数不可使用聚合函数对数据进行处理。

例子

$ index = [2000.01.01, 2000.01.31, 2000.02.15, 2000.02.20, 2000.03.31, 2000.04.16, 2000.05.06, 2000.08.31]
$ s = indexedSeries(index, 1..8)
$ s

lable	0
2000.01.01	1
2000.01.31	2
2000.02.15	3
2000.02.20	4
2000.03.31	5
2000.04.16	6
2000.05.06	7
2000.08.31	8

$ s.asFreq("M")

lable	0
2000.01.31	2
2000.02.29
2000.03.31	5
2000.04.30
2000.05.31
2000.06.30
2000.07.31
2000.08.31	8

$ s.asFreq("2M")

lable	0
2000.01.31	2
2000.03.31	5
2000.05.31
2000.07.31

$ index = [2020.01.01, 2020.01.03, 2020.01.06]
$ s = indexedSeries(index, 1..3)
$ s

lable	0
2020.01.01	1
2020.01.03	2
2020.01.06	3

$ s.asFreq("D")

lable	0
2020.01.01	1
2020.01.02
2020.01.03	2
2020.01.04
2020.01.05
2020.01.06	3

$ s.asFreq("2D")

lable	0
2020.01.01	1
2020.01.03	2
2020.01.05

$ index = temporalAdd(2022.10.01 23:30:00,7*(0..8),`m)
$ s = indexedSeries(index, 3*(0..8))
$ s.asFreq("8min")

label	col1
2022.10.01T23:28:00
2022.10.01T23:36:00
2022.10.01T23:44:00	6
2022.10.01T23:52:00
2022.10.02T00:00:00
2022.10.02T00:08:00
2022.10.02T00:16:00
2022.10.02T00:24:00

$ s.asFreq(rule=`8min,closed=`right)

label	col1
2022.10.01T23:36:00
2022.10.01T23:44:00	6
2022.10.01T23:52:00
2022.10.02T00:00:00
2022.10.02T00:08:00
2022.10.02T00:16:00
2022.10.02T00:24:00
2022.10.02T00:32:00

$ s.asFreq(rule=`8min,closed=`right,origin=`end)

label	col1
2022.10.01T23:30:00	0
2022.10.01T23:38:00
2022.10.01T23:46:00
2022.10.01T23:54:00
2022.10.02T00:02:00
2022.10.02T00:10:00
2022.10.02T00:18:00
2022.10.02T00:26:00	24