在 R 中识别时间序列数据中的异常值答案

【问题标题】：Identifying Outlier in Timeseries data in R在 R 中识别时间序列数据中的异常值
【发布时间】：2016-05-10 17:09:55
【问题描述】：

我有一个时间序列数据，对应的变量在某个范围内从先前的值增加或减少，例如 +- 10%。时间序列中的某些数据点与时间序列中的先前或以后的值不相符。

例如：

time       v1
13:01:30   0.689
13:01:31   0.697
13:01:32   0.701
13:01:33   0.713
**13:01:34   0.235**
13:01:35   0.799
13:01:36   0.813
13:01:37   0.822 
**13:01:38   0**
13:01:39   0.865
13:01:40   0.869

是否有任何库可以帮助识别 R 中的这些异常值[数据中的 0.235 和 0]？

更新 - dput 的输出：

structure(list(time = c("13:01:30", "13:01:31", "13:01:32", "13:01:33", 
"13:01:34", "13:01:35", "13:01:36", "13:01:37", "13:01:38", "13:01:39", 
"13:01:40"), v1 = c(0.689, 0.697, 0.701, 0.713, 0.235, 0.799, 
0.813, 0.822, 0, 0.865, 0.869)), .Names = c("time", "v1"), row.names = c(NA, 
11L), class = c("tbl_df", "tbl", "data.frame"))

【问题讨论】：

@akrun - 不可否认，一组数据的异常值与本地化异常值不同。对于这个简化的示例，它们将给出相同的结果，但是在 lm 拟合上检查 residuals 甚至可能是值得的，或者 diff 比较...
@thelatemail 我重新打开了帖子

标签： r time-series outliers

【解决方案1】：

这可能会有所帮助（作为模板）

# load packages
library(ggplot2)   # 2.0.0
library(ggrepel)   # 0.4
library(dplyr)     # 0.4.3

# make data_frame of OP data
ts_tdf <- data_frame(
    time = paste("13", "01", 30:40, sep = ":"),
    v1 = c(0.689, 0.697, 0.701, 0.713, 0.235, 0.799, 0.813, 0.822, 0.00, 0.865, 0.869)   
)

# calculate measure of central tendency (I like median)
v1_median <- median(ts_tdf$v1)

# create absolute deviation column, identify (n = 10) largest outliers, plot (sorted) values of new column 
ts_tdf %>%
    mutate(abs_med = abs(v1 - v1_median)) %>%
    arrange(-abs_med) %>%
    head(n = 10) %>%
    mutate(char_time = as.character(time)) %>%
    ggplot(data = ., aes(x = 1:nrow(.), y = abs_med, label = char_time)) +
    geom_point() + 
    geom_text_repel()

【讨论】：

这实际上不适用于顺序数据，例如- 101:200 显示了一个稳定增加的序列，从异常值检测的角度来看，这不会有问题，但当您将所有值作为一个集合时，可能会有“异常值”。