使用数据框中缺少的值创建ts时间系列

Question

我有一个数据框,其中包含每月数据的时间序列,其中包含一些缺失值.

dates <- seq(
  as.Date("2010-01-01"), as.Date("2017-12-01"), "1 month"
)
n_dates <- length(dates)
dates <- dates[runif(n_dates) < 0.5]
time_data <- data.frame(
  date = dates,
  value = rnorm(length(dates))
)
##          date      value
## 1  2010-02-01  1.3625419
## 2  2010-06-01  0.1512481
## etc.

为了能够利用时间序列预测功能,例如forecast,我想将其转换为ts对象.

这样做的愚蠢方法是在整个时间段内创建一组常规的月度日期,然后将联接返回到原始数据.

library(dplyr)
first_date <- min(time_data$date)
last_date <- max(time_data$date)
full_dates <- data.frame(
  date = seq(first_date, last_date, "1 month")
)
extended_time_data <- left_join(full_dates, time_data, by = "date")
##          date      value
## 1  2010-02-01  1.3625419
## 2  2010-03-01         NA
## etc.

现在我可以使用创建时间序列了ts().

library(lubridate)
time_series <- ts(
  extended_time_data$value, 
  start = c(year(first_date), month(first_date)),
  frequency = 12
)

对于这么简单的任务,这是冗长且非常粗糙的.

我也研究了第一次转换xts,并使用timetk包中的转换器,但没有任何东西跳出来作为一种更简单的方式.

这个问题是如何创建缺少日期时间值的时间序列,但答案甚至更模糊.

如何ts从缺少值的时间序列中创建对象？

Answer 1

使用最后注释中定义的输入数据框,将其转换为索引为class的zoo对象yearmon.然后as.ts将其转换为ts.

library(zoo)

z <- read.zoo(DF, FUN = as.yearmon)
as.ts(z)
##      Jan Feb Mar Apr May Jun Jul Aug
## 2000   1  NA  NA   2   3  NA   4   5

如果您更喜欢用管道来表达它:

library(magrittr)
library(zoo)

DF %>% read.zoo(FUN = as.yearmon) %>% as.ts

如果需要,使用na.locf(最后一次出现),na.approx(线性插值)na.spline,na.StructTS(季节性卡尔曼滤波器)或其他动物园NA填充函数来插值时间序列中的值.例如

library(forecast)

DF %>% read.zoo(FUN = as.yearmon) %>% as.ts %>% na.spline %>% forecast

注意

因为随机数,而不使用问题的数据是不可再生set.seed和n_dates不确定.下面我们DF为了举例的目的可再现地定义数据帧.

library(zoo)

dates <- as.Date(as.yearmon("2000-01") + c(0, 3, 4, 6, 7)/12)
DF <- data.frame(dates, values = seq_along(dates))

赠送:

> DF
       dates values
1 2000-01-01      1
2 2000-04-01      2
3 2000-05-01      3
4 2000-07-01      4
5 2000-08-01      5

Answer 2

而不是使用left_join更简单的选项complete,将其转换tsibble为现在与forecast包函数兼容的对象

library(tidyverse)
library(tsibble)
time_data %>% 
  complete(date = seq(min(date), max(date), by = "1 month"), 
        fill = list(value = NA)) %>%
  as_tsibble(index = date)


# A tsibble: 94 x 2 [1D]
#   date         value
#   <date>       <dbl>
# 1 2010-02-01   1.02 
# 2 2010-03-01  NA    
# 3 2010-04-01  NA    
# 4 2010-05-01   1.75 
# 5 2010-06-01  NA    
# 6 2010-07-01  NA    
# 7 2010-08-01  -0.233
# 8 2010-09-01  NA    
# 9 2010-10-01  NA    
#10 2010-11-01  -0.987
# ... with 84 more rows

如上所述,它与forecast功能兼容

library(fable)
time_data %>% 
   complete(date = seq(min(date), max(date), by = "1 month"), 
         fill = list(value = 0)) %>% 
   as_tsibble(index = date) %>%
   ETS(value) %>% 
   forecast %>%
   autoplot

注意:这里,缺失值被估算为0.

它可以与之前的非NA值一起估算 fill

time_data %>% 
   complete(date = seq(min(date), max(date), by = "1 month")) %>% 
   fill(value) %>% 
   as_tsibble(index = date) %>% 
   ETS(value) %>%
   forecast %>%
   autoplot

数据

n_dates <- 3