插值时间序列答案

【问题标题】：Interpolating timeseries插值时间序列
【发布时间】：2012-10-15 22:30:06
【问题描述】：

我有两组具有不同时间戳的数据。一组数据包含校准数据，另一组包含样本数据。校准的频率远低于样本。

我想做的是将校准数据（低频）插入到样本时间序列（高频）上。

sam <- textConnection("time, value
01:00:52, 256
01:03:02, 254
01:05:23, 255
01:07:42, 257
01:10:12, 256")

cal <- textConnection("time, value
01:01:02, 252.3
01:05:15, 249.8
01:10:02, 255.6")

sample <- read.csv(sam)

sample$time <- as.POSIXct(sample$time, format="%H:%M:%S")

calib <- read.csv(cal)

calib$time <- as.POSIXct(calib$time, format="%H:%M:%S")

（我看到的）最大的问题是数据的频率随机变化。

你们有没有做过类似的事情？是否有一个 chron 或 zoo 函数可以满足我的要求（将低频数据插入到两个 ts 都是随机的高频数据上）？

【问题讨论】：

标签： r time-series linear-interpolation

【解决方案1】：

我会使用 zoo（或 xts）并这样做：

library(zoo)
# Create zoo objects
zc <- zoo(calib$value, calib$time)    # low freq
zs <- zoo(sample$value, sample$time)  # high freq
# Merge series into one object
z <- merge(zs,zc)
# Interpolate calibration data (na.spline could also be used)
z$zc <- na.approx(z$zc, rule=2)
# Only keep index values from sample data
Z <- z[index(zs),]
Z
#                      zs       zc
# 2012-10-25 01:00:52 256 252.3000
# 2012-10-25 01:03:02 254 251.1142
# 2012-10-25 01:05:23 255 249.9617
# 2012-10-25 01:07:42 257 252.7707
# 2012-10-25 01:10:12 256 255.6000

【讨论】：

【解决方案2】：

您也可以像这样使用approx 函数，它会容易得多。只需确保您正在使用数据框即可。另外，请使用as.POSIXct确保校准中的列格式和样本数据集中的格式相同。

 calib <- data.frame(calib); sample <- data.frame(sample)

 IPcal <- data.frame(approx(calib$time,calib$value, xout = sample$time, 
                 rule = 2, method = "linear", ties = mean))

 head(IPcal)

#                x        y
#1 2017-03-22 01:00:52 252.3000
#2 2017-03-22 01:03:02 251.1142
#3 2017-03-22 01:05:23 249.9617
#4 2017-03-22 01:07:42 252.7707
#5 2017-03-22 01:10:12 255.6000

在approxfun documentation 上阅读有关approx 的更多信息。

【讨论】：