将 csv 文件加载为 ts

Question

以下是特定股票的每月价格；

Year    Jan     Feb     Mar     Apr     May     Jun     Jul     Aug     Sep     Oct     Nov     Dec
2008    46.09   50.01   48      48      50.15   43.45   41.05   41.67   36.66   25.02   22.98   22
2009    20.98   15      13.04   14.4    26.46   14.32   14.6    11.83   14      14.4    13.07   13.6
2010    15.31   15.71   18.97   15.43   13.5    13.8    14.21   12.73   12.35   13.17   14.59   15.01
2011    15.3    15.22   15.23   15      15.1    14.66   14.8    12.02   12.41   12.9    11.6    12.18
2012    12.45   13.33   12.4    14.16   13.99   13.75   14.4    15.38   16.3    18.02   17.29   19.49
2013    20.5    20.75   21.3    20.15   22.2    19.8    19.75   19.71   19.99   21.54   21.3    27.4
2014    23.3    20.5    20      22.7    25.4    25.05   25.08   24.6    24.5    21.2    20.52   18.41
2015    16.01   17.6    20.98   21.15   21.44   0       0       0       0       0       0       0

我想将数据分解为季节性和趋势数据，但没有得到结果。 如何将数据加载为“ts”类数据以便分解？

Answer 1

这是一个使用tidyr 的解决方案，相当容易访问。

library(dplyr); library(tidyr)
data %>% gather(month, price, -Year) %>% # 1 row per year-month pair, name the value "price"
  mutate(synth_date_txt= paste(month,"1,",Year), # combine month and year into a date string
         date=as.Date(synth_date_txt,format="%b %d, %Y")) %>% # convert date string to date
  select(date, price) # keep just the date and price

#          date price
# 1  2008-01-01 46.09
# 2  2009-01-01 20.98
# 3  2010-01-01 15.31
# 4  2011-01-01 15.30
# 5  2012-01-01 12.45

这会为您提供日期格式的答案（即使您没有指定日期，只指定​​月份和年份）。它应该适用于您的时间序列分析，但如果您真的需要时间戳，您可以使用 as.POSIXct(date)

Answer 2

迈克，

程序是R，下面是我试过的代码。

sev=read.csv("X7UPM.csv")
se=ts(sev,start=c(2008, 1), end=c(2015,1), frequency=12)
se
se=se[,1]
S=decompose(se)
plot(se,col=c("blue"))
plot(decompose(se))
S.decom=decompose(se,type="mult")
plot(S.decom)
trend=S.decom$trend
trend
seasonal=S.decom$seasonal
seasonal
ts.plot(cbind(trend,trend*seasonal),lty=1:2)
plot(stl(se,"periodic"))