缺失值的 R ts

Question

我有一个从 csv 文件中读取的数据框，其中包含每日观察结果：

Date        Value 
2010-01-04  23.4
2010-01-05  12.7
2010-01-04  20.1
2010-01-07  18.2

问题：缺少数据。 预测包需要一个不包含任何缺失数据的普通 ts 对象，而我的数据集在大多数周末和其他随机点都有缺失数据。

转换为ts 应该不起作用

ts(values, start = c(1997, 1), frequency = 1)

我能想到的唯一解决方案是将每日数据转换为每周数据，但 R 是新事物，可能存在其他更好的解决方案。

Answer 1

一种选择是扩展您的日期索引以包含缺失的观察值，并使用zoo 中的na.approx 通过插值填充缺失值。

allDates <- seq.Date(
  min(values$Date),
  max(values$Date),
  "day")
##
allValues <- merge(
  x=data.frame(Date=allDates),
  y=values,
  all.x=TRUE)
R> head(allValues,7)
        Date      Value
1 2010-01-05 -0.6041787
2 2010-01-06  0.2274668
3 2010-01-07 -1.2751761
4 2010-01-08 -0.8696818
5 2010-01-09         NA
6 2010-01-10         NA
7 2010-01-11 -0.3486378
##
zooValues <- zoo(allValues$Value,allValues$Date)
R> head(zooValues,7)
2010-01-05 2010-01-06 2010-01-07 2010-01-08 2010-01-09 2010-01-10 2010-01-11 
-0.6041787  0.2274668 -1.2751761 -0.8696818         NA         NA -0.3486378 
##
approxValues <- na.approx(zooValues)
R> head(approxValues,7)
2010-01-05 2010-01-06 2010-01-07 2010-01-08 2010-01-09 2010-01-10 2010-01-11 
-0.6041787  0.2274668 -1.2751761 -0.8696818 -0.6960005 -0.5223192 -0.3486378

即使有缺失值，zooValues 仍然是合法的 zoo 对象，例如plot(zooValues) 可以工作（在缺失值处存在不连续性），但如果您计划对数据拟合某种模型，则最好使用 na.approx 替换缺失值。

数据：

library(zoo)
library(lubridate)
##
t0 <- "2010-01-04"
Dates <- as.Date(ymd(t0))+1:120
weekDays <- Dates[!(weekdays(Dates) %in% c("Saturday","Sunday"))]
##
set.seed(123)
values <- data.frame(Date=weekDays,Value=rnorm(length(weekDays)))

Answer 2

您可以使用 imputeTS、zoo 或 forecast 包，它们都提供了填充缺失数据的方法。 （填补缺失空白的过程也称为插补）

imputeTS

na_interpolation(yourData)
na_seadec(yourdata)
na_kalman(yourdata)
na_ma(yourdata)

动物园

na.approx(yourdata)
na.locf(yourdata)
na.StructTS(yourdata)

预测

na.interp(yourdata)

这些是您可以使用的软件包中的一些功能。

Answer 3

您可能需要汇总，是的 - 重要的是要明智地这样做。如果你只是简单地聚合到周级别，使用类似lubridate 的东西将时间戳映射到周，你肯定会得到 Forecast 可以消耗的东西 - 但它会是具有欺骗性数据的东西，因为有些周的计数会更小因为他们错过了几天。这使得数据集对于预测建模的用处不大，因为您没有给它一个实际发生的模型。

我的建议是查看 zoo 时间序列包来处理这个问题；它有很多函数可以根据它提供的其他数据计算出缺失/NA 条目的可能值。安装并运行：

library(zoo)
ls(pattern = "^na", "package:zoo")

要获取您可能会发现特别相关的功能列表。

Answer 4

另一种解决方案形式{padr}：

显式区间

require(padr)
require(magrittr)
df <- data.frame(day = as.Date(c('2016-04-01', '2016-04-03')), y = c(3,4))
pad(df, interval = "day") %>% fill_by_value(y)
#>          day y
#> 1 2016-04-01 3
#> 2 2016-04-02 0
#> 3 2016-04-03 4

推断区间

df <- data.frame(day = as.Date(c('2016-04-01', '2016-04-02', '2016-04-04')), y = c(3,4,6))
pad(df) %>% fill_by_value(y)
#> pad applied on the interval: day
#>          day y
#> 1 2016-04-01 3
#> 2 2016-04-02 4
#> 3 2016-04-03 0
#> 4 2016-04-04 6