na.approx 和 na.locf 行为不正常

Question

我正在尝试计算不同国家/地区时间序列的估算值。这段代码之前运行良好，但现在估算的值都错了......我无法弄清楚问题所在，我已经尝试了所有我能想到的。

我们的规则是：

• 时间序列末尾缺失的值将被赋予该序列中最后一个已知值。
• 时间序列开头缺失的值将被赋予该序列中的第一个已知值。
• 如果时间序列中间缺少值，则使用线性外推法。

# load library for imputation
library(zoo)

# expand table to show NAs
output_table_imp = expand(output_table, transport_mode, year, country_code)
output_table_imp = full_join(output_table_imp, output_table)

# add imputated values
output_table_imp <- output_table_imp %>%
  group_by(transport_mode, country_code) %>%
  mutate(fatalities_imp= na.approx(fatalities,na.rm=FALSE)) %>%   # linear interpolation
  mutate(fatalities_imp= na.locf.default(fatalities_imp,na.rm=FALSE)) %>% # missing values at the end of a time series (copy last non-NA value)
  mutate(fatalities_imp= na.locf(fatalities_imp,fromLast=TRUE, na.rm=FALSE)) %>% # missing values at the start of a time series (copy first non-NA value)

我的数据框由几列组成：transport_mode、country_code、year、fatities。我不确定如何在这里分享我的数据？这是一张包含 3600 个观测值的大表……

这些是原始数字：

这些是估算值。您可以立即看到 CY、IE 和 LT 存在问题。

数据框如下所示：

Answer 1

您的代码看起来有点过于复杂。不知道动物园的详细信息 - 但很确定你也可以让它工作。

使用 imputeTS 包，您可以获取整个 data. frame（它假定每列是一个单独的时间序列），并且该包对每个系列执行插补。 （不幸的是你的代码没有数据，但我想这将是你的 output_table_imp data.frame 扩展后）

就像这样：

library("imputeTS")
na_interpolation(output_table_imp, option = "linear")

我们也不必在开始和结束时对 NA 处理进行更改，因为您的要求是 na_interpolation 函数中的默认值。

这些是您的要求：

• 时间序列末尾缺少的值将被赋予该序列中最后一个已知值。

• 时间序列开头缺失的值将被赋予该序列中的第一个已知值。

这里是一个玩具示例：

# Test time series with NAs at start, middle, end
test <- c(NA,NA,1,2,3,NA,NA,6,7,8,NA,NA)

# Perform linear interpolation
na_interpolation(test, option = "linear")

#Results
> 1 1 1 2 3 4 5 6 7 8 8 8

所以看，这工作得很好。

也可以完美地与 data.frame 配合使用（如前所述，一列被解释为时间序列）：

# Create three time series and combine them into 1 data.frame
ts1 <- c(NA,NA,1,2,3,NA,NA,6,7,8,NA,NA)
ts2 <- c(NA,1,1,2,3,NA,3,6,7,8,NA,NA)
ts3 <- c(NA,3,1,2,3,NA,3,6,7,8,NA,NA)
df <- data.frame(ts1,ts2,ts3)

na_interpolation(df, option = "linear")