具有特定输出时间的时间序列数据的插值答案

【问题标题】：Interpolation of time series data with specific output time具有特定输出时间的时间序列数据的插值
【发布时间】：2012-12-17 18:02:26
【问题描述】：

我有时间数据的数据库。我想插入数据以匹配特定的时间步。

Id  Time                    humid   humtemp prtemp  press       t
1   2012-01-21 18:41:50     47.7    14.12   13.870  1005.70     -0.05277778
1   2012-01-21 18:46:43     44.5    15.37   15.100  1005.20     0.02861111
1   2012-01-21 18:51:35     43.2    15.88   15.576  1005.10     0.10972222
1   2012-01-21 18:56:28     42.5    16.17   15.833  1004.90     0.19111111
1   2012-01-21 19:01:21     42.2    16.31   15.986  1004.80     0.27250000
1   2012-01-21 19:06:14     41.8    16.47   16.118  1004.60     0.35388889
1   2012-01-21 19:11:07     41.6    16.51   16.177  1004.60     0.43527778

我想获得具有以下时间步长的数据进行插值。

    Id                 Time       humid    humtemp prtemp  press        t   
    1   2012-01-21 18:45:00 ....    ...     .....   ....        ....
    1   2012-01-21 18:50:00 ....    
    1   2012-01-21 18:55:00 ....    
    1   2012-01-21 19:00:00 ....    
    1   2012-01-21 19:05:00 ....    
    1   2012-01-21 19:10:00 ....

我尝试了不同的方法，但没有找到解决方案。例如我创建动物园对象。

   z <- zoo(MTS01m,order.by=MTS01m$Time)
   tstart2<-asP("2012-01-21 18:45:00")
   Ts<-1*60
   y <- merge(z, zoo(order.by=seq(tstart2, end(z), by=Ts)))
   xa <- na.approx(y)
   xs <- na.spline(y)

但发生错误：

   Errore in approx(x[!na], y[!na], xout, ...) : 
   need at least two non-NA values to interpolate
   Inoltre: Warning message:
   In xy.coords(x, y) : si è prodotto un NA per coercizione

我创建了一个二级索引 t，从我想要的数据开始，但我不知道如何使用这个索引。

你有什么建议吗？

【问题讨论】：

我很新，我读过，我同意。再见
谢谢。 asP 来自什么包？
这只是我写的一个功能更清晰的语言。我用它来轻松地从字符更改为 POSIXct。 function(timeVal, tz="GMT", ...) { ## 用于从 1970-01-01 以来的字符串或秒轻松转换为 POSIXct switch(class(timeVal[1])[1], character=as.POSIXct (timeVal,tz=tz, ...), POSIXct=timeVal, POSIXlt=timeVal, ISOdate(1970,1,1,0)+timeVal ) }

标签： r zoo linear-interpolation

【解决方案1】：

试试这个（假设你的时间索引是 POSIXct）：

library(zoo)
st <- as.POSIXct("2012-01-21 18:45")
g <- seq(st, end(z), by = "15 min") # grid
na.approx(z, xout = g)

请参阅?na.approx.zoo 了解更多信息。

注意：由于问题没有以可重复的形式提供数据，我们在这里这样做：

Lines <- "Id date Time humid humtemp prtemp press t1
1   2012-01-21 18:41:50     47.7    14.12   13.870  1005.70     -0.05277778
1   2012-01-21 18:46:43     44.5    15.37   15.100  1005.20     0.02861111
1   2012-01-21 18:51:35     43.2    15.88   15.576  1005.10     0.10972222
1   2012-01-21 18:56:28     42.5    16.17   15.833  1004.90     0.19111111
1   2012-01-21 19:01:21     42.2    16.31   15.986  1004.80     0.27250000
1   2012-01-21 19:06:14     41.8    16.47   16.118  1004.60     0.35388889
1   2012-01-21 19:11:07     41.6    16.51   16.177  1004.60     0.43527778"

library(zoo)
z <- read.zoo(text = Lines, header = TRUE, index = 2:3, tz = "")
st <- as.POSIXct("2012-01-21 18:45")
g <- seq(st, end(z), by = "15 min") # grid
na.approx(z, xout = g)

给予：

                    Id    humid  humtemp   prtemp    press            t1
2012-01-21 18:45:00  1 45.62491 14.93058 14.66761 1005.376 -1.501706e-09
2012-01-21 19:00:00  1 42.28294 16.27130 15.94370 1004.828  2.500000e-01

【讨论】：

这个解决方案很好，但是如果你想让它起作用，你需要从z中消除时间列。谢谢建议
下次请以可重复的形式陈述您的问题。如前所述，如果没有，我们假设输入具有 POSIXct 时间戳。请参阅我们提供完整可重现代码的注释。

【解决方案2】：

你可以看到这个过程如下：

根据数据范围构建序列。
合并序列和数据。
插值：常数或线性方法。

创建数据集：

data1 <- read.table(text="1   2012-01-21 18:41:50     47.7    14.12   13.870  1005.70     -0.05277778
1   2012-01-21 18:46:43     44.5    15.37   15.100  1005.20     0.02861111
1   2012-01-21 18:51:35     43.2    15.88   15.576  1005.10     0.10972222
1   2012-01-21 18:56:28     42.5    16.17   15.833  1004.90     0.19111111
1   2012-01-21 19:01:21     42.2    16.31   15.986  1004.80     0.27250000
1   2012-01-21 19:06:14     41.8    16.47   16.118  1004.60     0.35388889
1   2012-01-21 19:11:07     41.6    16.51   16.177  1004.60     0.43527778",
 col.names=c("Id","date","Time","humid","humtemp","prtemp","press","t1"))
data1$datetime <- strptime(as.character(paste(d$date,d$Time, sep=" ")),"%Y-%m-%d %H:%M:%S")

图书馆动物园：

library(zoo)

第 1 步：

# sequence interval 5 seconds
seq1 <- zoo(order.by=(as.POSIXlt( seq(min(data1$datetime), max(data1$datetime), by=5) )))

第 2 步：

mer1 <- merge(zoo(x=data1[4:7],order.by=data1$datetime), seq1)

第 3 步：

#Constant interpolation
dataC <- na.approx(mer1, method="constant")

#Linear interpolation
dataL <- na.approx(mer1)

可视化

head(dataC)
                    humid humtemp prtemp  press
2012-01-21 18:41:50  47.7   14.12  13.87 1005.7
2012-01-21 18:41:55  47.7   14.12  13.87 1005.7
2012-01-21 18:42:00  47.7   14.12  13.87 1005.7
2012-01-21 18:42:05  47.7   14.12  13.87 1005.7
2012-01-21 18:42:10  47.7   14.12  13.87 1005.7
2012-01-21 18:42:15  47.7   14.12  13.87 1005.7

head(dataL)
                       humid  humtemp   prtemp    press
2012-01-21 18:41:50 47.70000 14.12000 13.87000 1005.700
2012-01-21 18:41:55 47.64539 14.14133 13.89099 1005.691
2012-01-21 18:42:00 47.59078 14.16266 13.91198 1005.683
2012-01-21 18:42:05 47.53618 14.18399 13.93297 1005.674
2012-01-21 18:42:10 47.48157 14.20532 13.95396 1005.666
2012-01-21 18:42:15 47.42696 14.22666 13.97495 1005.657

【讨论】：

【解决方案3】：

我在 xts 包（或 zoo ）中找不到与 ts 给定日期近似的函数。

所以，我的想法是在给定日期的原始 ts 中插入 NA 。

 ids <- as.POSIXct( align.time(index(dat.xts),60*5))     # range dates 
 # I create an xts with NA
 y  <- xts(x=matrix(data=NA,nrow=dim(dat.xts)[1],
                            ncol=dim(dat.xts)[2]),
                            order.by=ids)
 rbind(y,dat.xts)

                     humid humtemp prtemp  press           t
2012-01-21 18:41:50  47.7   14.12 13.870 1005.7 -0.05277778
2012-01-21 18:45:00    NA      NA     NA     NA          NA
2012-01-21 18:46:43  44.5   15.37 15.100 1005.2  0.02861111
2012-01-21 18:50:00    NA      NA     NA     NA          NA
2012-01-21 18:51:35  43.2   15.88 15.576 1005.1  0.10972222
2012-01-21 18:55:00    NA      NA     NA     NA          NA

现在你可以像这样使用 na.approx 或 na.spline

na.approx(rbind(y,dat.xts))[index(y)]
                    humid humtemp prtemp   press    t
2012-01-21 18:45:00 45.62   14.93  14.67 1005.38 0.00
2012-01-21 18:50:00 43.62   15.71  15.42 1005.13 0.08
2012-01-21 18:55:00 42.71   16.08  15.76 1004.96 0.17
2012-01-21 19:00:00 42.28   16.27  15.94 1004.83 0.25
2012-01-21 19:05:00 41.90   16.43  16.08 1004.65 0.33
2012-01-21 19:10:00 41.65   16.50  16.16 1004.60 0.42

【讨论】：