第七章 时间序列可视化课堂练习
1 案例数据
1.1 all_stock_2024：工商银行、招商应用、中信证券和贵州茅台四个股票2024各天交易数据
data为为日期变量，但该日期变量不规则（不连续），周末和公众假期没有交易数据；编码和名称用于识别不同股票，注意不同股票有交易数据日期不一定一致，但本例种各股票均有242个交易日数据；开盘价到换手率均为数值变量，开盘价到成交量与每股资产有关，不同股票间不可比；交易量的单位为手（百股）、成交额的单位为元，振幅等四个变量均为相对指标。
2 折线图和面积图
2.1 合并折线图
将四只股票的
涨跌幅做作折线图，将四条折线在同一个图形输出；日期截取
2024-9-1到2024-10-31；添加一条纵轴为0的参考线，采用
twodash的线型；将图标题改为“合并涨跌幅折线图”。
2.2 分面折线图
将四只股票的
收盘价格做作折线图，将四条折线图分面输出；日期截取一整年；
并使用
ggpol::geom_tshighlight将2024-9-1到2024-10-31时间段高亮显示
2.3 分面面积图
将四只股票的成交量 价格做作面积图，将四个面积图分面输出；
将成交量的单位改为万手
2.4 图形观察和代码编写的心得体会
涨跌幅对比图（2024年9-10月）显示茅台波动剧烈（±10%），工行稳定（±1%），10月中旬市场普跌；
收盘价分面图（全年）通过独立Y轴与蓝色高亮区，突出茅台9-10月加速上涨，工行横盘；
成交量面积图（全年）暴露量级差异（工行峰值1500万手 vs 茅台100万手），关键时段如茅台9月量价齐升。
代码亮点：分面解决量纲差异、日期格式化提升可读性、高亮区间聚焦重点，细节处理（如隐藏冗余图例、优化网格线）增强视觉清晰度。
3 流线图和地平线图
3.1 流线图
将四只股票的
交易额做作流线图，将四个面积图分面输出；将交易额的单位改为亿元
3.2 地平线图
- 采用
ggHoriPlot::geom_horizon函数，对四只股票的交易额做作地平线图 - 设置原点为均值
origin='mean'，输出配色图例
3.3 图形观察和代码编写的心得体会
- 借助 ggplot2 及扩展包，地平线图通过分面呈现各品类成交额的分层波动，流图以堆叠展示类别占比趋势。代码需精准映射数据、调试参数（如 horizonscale、bw）。观察到不同品类成交额的时间变化，体会到可视化对数据洞察的助力，也明白图形类型需适配数据特点 。
4 不规则时间序列图
4.1 数据准备
通过
zoo::rollmean时间收盘价的5天、10天和20天的移动平均将日期变量转化为
id变量
4.2 平滑曲线图
将四只股票收盘价和3种移动平均的折线图分面输出；
横轴的每隔30天一个刻度，只显示月/日；
4.3 K线图
选择工商银行数据作出，2024年的K线图
scale_x_continuous将横轴坐标刻度转化回日期型
4.4 图形观察和代码编写的心得体会
- 图形涉及工商银行、贵州茅台、招商银行、中信证券，展示其股价及 MA5、MA10、MA20 均线走势；图形与代码：通过 ggplot2 绘制多股股价及 MA 均线（MA5、MA10、MA20 等）折线，`facet_wrap` 按股票分面，展现各股指标时序变化，代码处理日期索引，虽有缺失值警告，仍实现多股指标可视化 。