将在不规则时间收集的数据转换为 R 中的时间序列答案

【问题标题】：Converting data collected at irregular times into a time series in R将在不规则时间收集的数据转换为 R 中的时间序列
【发布时间】：2019-08-31 05:06:33
【问题描述】：

我在春季和夏季（月份：5、6、7、8）收集了多变量数据，不一定每天，而且超过 30 年。如何将其转为时间序列对象进行时间序列分析？

我尝试过：时间序列

但我不知道应该有什么频率，因为它每年收集 4 次，但不是“季刊”。

这是数据的样子：

    Year  Month Day   ID     Size      Sex      Temperature
    1 2017     5  13  033     54.0       M        13.0
    2 2017     5  15  044     53.5       F        11.0
    3 2017     5  16  141     55.8       M        15.7

我想也许我必须在缺少收集数据的月份和日期的数据中添加 NA。我也不知道如何每年除以日和月...

【问题讨论】：

标签： r time-series

【解决方案1】：

1) 使用末尾注释中显示的数据（与问题略有不同）从温度创建一个动物园系列，其时间为年 + (month-5)/4 减少多个值在一个月内使用mean，然后将其全部转换为ts。

library(zoo)
toYearMon <- function(x) x[[1]] + (x[[2]] - 5)/4
z <- read.zoo(DF[c("Year", "Month", "Day", "Temperature")], index = 1:3, 
  FUN = toYearMon, aggregate = mean)
as.ts(z)
##      Qtr1 Qtr2
## 2017 12.0 15.7

ts 会认为 4 个月是季度，但希望你能忍受。交替使用z。

2) 另一种可能性是，由于从 5 月 1 日到 8 月 31 日有 123 天，因此创建一个时间变量，即年 + 0 表示 May1st，年 + 1/123 表示 May2nd，.. ., 年 + 122/123 为 8 月 31 日。

toDate <- function(x) as.Date(paste(x[[1]], x[[2]], x[[3]], sep = "-"))

sinceMay1 <- function(x) {
  d <- toDate(x)
  may1 <- toDate(data.frame(x[[1]], 5, 1))
  x[[1]] + as.numeric(d - may1) / 123
}

zsm <- read.zoo(DF[c("Year", "Month", "Day", "Temperature")], index = 1:3,
  FUN = sinceMay1)
frequency(zsm) <- 123

现在我们可以使用zsm 或as.ts(zsm)

3) 如果它足以使用 1, 2, 3, ... 时代的另一种可能性是

ts(DF$Temperature)

4) 我们可以像这样创建一个动物园系列，其中 toDate 来自上方：

read.zoo(DF[c("Year", "Month", "Day", "Temperature")], index = 1:3,
  FUN = toDate)

注意

我们将上个月更改为 6。

Lines <- "Year  Month Day   ID     Size      Sex      Temperature
    1 2017     5  13  033     54.0       M        13.0
    2 2017     5  15  044     53.5       F        11.0
    3 2017     6  16  141     55.8       M        15.7"
DF <- read.table(text = Lines)

【讨论】：

谢谢，这很有用，但是您知道有什么方法可以不必将每日数据强制转换为“季度”吗？如果我只是平均每月的每日数据，恐怕我可能会失去趋势......
我增加了更多的可能性。如果这些都不是您想要的，那么您将需要更详细地说明您想要什么。请注意，ts 系列通常不用于日常数据。
你也能转换成“每周”吗？
将 toYearMon 替换为转换为星期的。