用于时间序列分析的 ts 文件的最佳格式是什么？答案

【问题标题】：What is the best format for a ts file for time series analysis?用于时间序列分析的 ts 文件的最佳格式是什么？
【发布时间】：2017-11-03 06:30:13
【问题描述】：

我刚开始在R 中进行time series 分析，我很难找出我的ts 文件的最佳格式。

我将从csv 文件将数据导入R，数据框将如下所示：

date          sales
2015/01/01    150
2015/02/01    200
2015/03/01    175
...

我的目标是将这些数据分解为 time series 组件：季节性、趋势和不规则

我可以保留数据，然后将其转换为ts 格式并继续我的分析吗？我还看到了以下格式的时间序列数据：

     Jan  Feb  Mar  Apr  May  Jun  Jul  Aug  Sep  Oct  Nov Dec

2015 150  200  175  ...
2016 250  420  350  ...
...

这两种格式中哪一种最适合R 中的time series 分析？有区别吗？

【问题讨论】：

定义“最佳”，您将使用该系列进行哪种类型的分析？我使用具有包stats 的经典。我使用函数ts。对我来说更好，因为当你要进行预测时，你不能进行转换。

标签： r time-series xts

【解决方案1】：

对于月度数据，最简单的方法是使用ts()，例如

ts(data, start=c(2015,1), freq=12)

这将生成您在最后一个表中引用的时间序列对象。 R 中的某些函数要求您的时间序列是 ts()-object，以便它可以经常通过 tsp() 记录频率，例如stats::stl。 tsp() 返回时间序列的属性，即开始日期、结束日期、频率。有些还需要来自library(xts) 的xts()-objects，通常用于每小时或更高频率的数据。对于多季节数据，您可以使用来自library(forecast) 的msts()，例如对于forecast::tbats。

【讨论】：