从 xts 提高多个时间范围子集的性能？

Question

有没有更好的方法来实现以下代码：

slice.periods <- function (x, periods, ...)
{
  if (!require("xts")) {
    stop("Need 'xts'")
  }
  Reduce(rbind.xts, lapply(periods, function(t) x[t], ...))
}

其中 x 是一个 xts 对象，periods 是一个可通过 xts 子集识别的可迭代宪章列表。示例用法：

j <- xts(rnorm(10e6),Sys.time()-(10e6:1))
v <- c("T10:00/T11:00", "T13:00/T15:00", "T20:30/T22:00")
system.time(slice.periods(j, v))

## result on my MacBook Air (1.8 GHz Intel Core i7; 4 GB 1333 MHz DDR3)
##  user  system elapsed 
## 14.956   0.876  15.837 

有几个顾虑：

1. 如果每次子集非常大，“减少”可能太慢
2. 每个时间片都不是最佳的，因为它不直接使用来自 xts 对象的索引。如果对象很大，则可能会花费大量时间。

我看到一些帖子说，如果时间是 UTC，直接访问会有一些惊人的加速，请参阅以下帖子： data.table 时间子集 vs xts 时间子集

但是，我的应用程序需要使用夏令时的本地时区。这使得夏季和冬季之间的 UTC 小时转换不同，上述方法将不起作用。

我还考虑使用 data.table，因为我使用“rbindlist”替换 do.Call(rbind, ...) 或 Reduce(rbind, ...) 时有一些出色的性能。同样，data.table 有一些我不熟悉的很酷的子集功能。另一方面，rbindlist 和 as.data.table 不会将 xts 对象作为输入，我不确定将 data.table 用于时间序列数据子集是否是一个不错的选择。

如果有其他想法，我愿意尝试。提前感谢很多人。

Answer 1

如果瓶颈是rbind.xts，则此解决方案会更快，但瓶颈是一天中的时间子集。

jv <- j[unlist(lapply(v, function(i) j[i, which.i=TRUE])),]

非 UTC 时区中的时间子集很慢，因为 xts 当前将POSIXct索引转换POSIXlt为一年中的某一天。