将在不规则时间收集的数据转换为R中的时间序列

Posted 2021-04-12

我有春季和夏季（月份：5,6,7,8）收集的多变量数据，不一定是每天，也不是30年。如何将其转换为时间序列对象以进行时间序列分析？

我试过：timeseries < - ts（数据，开始（2017,5），频率= 4）

但是我不知道它的频率是多少，因为它每年收集4次而不是“季刊”。

这就是数据的样子：

    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

我想也许我将不得不在缺少收集数据的月份和日期的数据中添加NA。我也不知道如何划分每年的每天和每月......

答案

1）使用最后注释中显示的数据（稍微改变一下）从温度创建一个动物园系列，其时间为年+（月-5）/ 4，通过使用mean减少一个月内的多个值，然后转换所有这对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个月是四分之一，但希望你可以忍受这个。或者使用z。

2）另一种可能性，因为从5月1日到8月31日包括123天，是创建一个时间变量，即5月1日的年+ 0，5月2日的年+ 1/123，...，8月31日的年+ 122/123。

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）另一种可能性，如果它足够好，可以使用1,2,3，....

ts(DF$Temperature)

4）我们可以创建一个像这样的动物园系列，其中toDate来自上面：

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

注意

我们将上个月改为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)