Cómo trazar 20 años de datos diarios en series de tiempo

Tengo el siguiente conjunto de datos: https://dl.dropbox.com/u/22681355/ORACLE.csv y me gustaría trazar los cambios diarios en 'Abrir' por 'Fecha', así que hice lo siguiente:

oracle <- read.csv(file="http://dl.dropbox.com/u/22681355/ORACLE.csv", header=TRUE)
plot(oracle$Date, oracle$Open, type="l")

y me sale lo siguiente:

Obviamente, esta no es la mejor trama, así que me pregunto cuál es el método correcto para trazar datos tan detallados.

El problema con sus datos no es que sean extremadamente detallados: no tiene valores los fines de semana, es por eso que se trazan con huecos. Hay dos formas de lidiar con esto:

1. Cualquiera de tratar de adivinar valores aproximados en los fines de semana con algunos métodos de suavizado ( smooth.spline, loess, etc.). El código de interpolación simple está abajo. Pero en este caso, introducirá algo "antinatural" y artificial en los datos. Por eso prefiero la segunda opción.

currentDate <- min(as.Date(oracle$Date))
dates <- c(currentDate)
openValues <- c(oracle$Open[5045])
i <- 5044
while (i > 0) {
  currentDate <- currentDate + 1;
  dates <- c(dates, currentDate)
  if (currentDate == as.Date(oracle$Date[i])) {
        # just copy value and move
        openValues <- c(openValues, oracle$Open[i])
        i <- i-1
      } else {
        # interpolate value
        openValues <- c(openValues, mean(oracle$Open[i:i-1]))
  }
}
plot(dates, openValues, type="l")

1. Puede pasar de una base diaria a una semanal, simplemente promediando (por ejemplo) cinco puntos secuenciales que corresponden a una semana (en este caso está "matando" alguna información). Solo un ejemplo rápido de cómo hacerlo sería

openValues = c(mean(oracle$Open[1:5]));
dates = c(as.Date(oracle$Date[1]));
for (i in seq(6,5045,5)) {
  openValues = c(openValues, mean(oracle$Open[i:i+5]));
      dates = c(dates, as.Date(oracle$Date[i]));
}
plot(dates, openValues, type="l")

Espero que ayude.

Debido a que el problema es común en muchos entornos de software estadístico, analicémoslo aquí en Cross Validated en lugar de migrarlo a un foro específico de R (como StackOverflow).

El problema real es que Datese trata como un factor, una variable discreta, por lo que las líneas no se conectan correctamente. (Tampoco los puntos se trazan con precisión perfecta en la dirección horizontal).

Para hacer el diagrama a la derecha, el Datecampo se convirtió de un factor a una fecha real, cada semana se identificó con un cálculo simple (rompiendo las semanas entre el sábado y el domingo) y las líneas se interrumpieron durante los fines de semana al recorrer las semanas:

oracle$date <- as.Date(oracle$Date)
oracle$week.num <- (as.integer(oracle$date) + 3) %/% 7 
oracle$week <- as.Date(oracle$week.num * 7 - 3, as.Date("1970-01-01", "%Y-%m-%d"))

par(mfrow=c(1,2))
plot(as.factor(unclass(oracle$Date[1:120])), oracle$Open[1:120], type="l",
     main="Original Plot: Inset", xlab="Factor code")
plot(oracle$date[1:120], oracle$Open[1:120], type="n", ylab="Price", 
     main="Oracle Opening Prices")
tmp <- by(oracle[1:120,], oracle$week[1:120], function(x) lines(x$date, x$Open, lwd=2))

(Una fecha equivalente de cada semana, que da el lunes de esa semana, también se almacenó en el oraclemarco de datos porque puede ser útil para trazar datos agregados semanales).

La intención original se puede lograr simplemente emulando la última línea para mostrar todos los datos. Para agregar información sobre el comportamiento estacional, la siguiente gráfica varía el color por semana durante cada año calendario:

par(mfrow=c(1,1))
colors <- terrain.colors(52)
plot(oracle$date, oracle$Open, type="n", main="Oracle Opening Prices")
tmp <- by(oracle, oracle$week, 
          function(x) lines(x$date, x$Open, col=colors[x$week.num %% 52 + 1]))

No interpolaría los fines de semana. Muy pocas bolsas de valores cotizan el sábado y ninguna que yo sepa el domingo. Está introduciendo una estimación de datos que nunca existieron, así que ¿por qué no simplemente eliminar el sábado y el domingo del conjunto de datos? Haría algo como lo siguiente:

require(ggplot2)
require(scales)
require(gridExtra)
require(lubridate)
require(reshape)

set.seed(12345)

# Create data frame from random data
daysback <- 1000 # number of days, only a few for this example
startdate <- as.Date(format(now()), format = "%Y-%m-%d") - days(daysback)
mydf <- data.frame(mydate = seq(as.Date(startdate), by = "day", length.out = daysback),
                   open = runif(daysback, min = 600, max = 800))

# Now that we have a data frame, remove the weekend days
mydf <- mydf[!(weekdays(as.Date(mydf$mydate)) %in% c('Saturday','Sunday')),] # remove weekend days
    # Calculate change, except for the first date
    mydf$diff <- c(NA, diff(mydf$open))
    # Remove first row with no 'diff' value
    firstdate <- head(mydf$mydate, 1)
mydf <- mydf[mydf$mydate > firstdate, ]

p <- ggplot(mydf, aes(x = mydate, y = diff)) +
    geom_bar(data = mydf, stat = "identity", fill = "red")

print(p)

Con respecto al aspecto de su trama, supongo que la adición de múltiples etiquetas debajo del eje x lo mejoraría visualmente. El aspecto de la trama sugerida se puede ver aquí http://imgur.com/ZTNPniA

No sé cómo hacer esa trama, es solo una idea (que no he visto realizada en R)