R 时间序列分析的适用性？

我有这样一个示例数据框（日期列格式为

mm dd YYYY

）：

我想使用

ts（）

将此数据帧转换为时间序列，但问题是：当前数据帧对于同一日期有多个值。在这种情况下，我们可以应用时间序列吗

• 我是否可以将数据帧转换为时间序列，并建立一个模型（ARIMA），该模型可以每天预测计数值

• 或者我应该基于grp预测计数值，但在这种情况下，我必须只选择数据帧的grp和count列。所以，在这种情况下，我必须跳过日期列，并且无法对计数值进行每日预测

• 假设我想以每天为基础聚合计数值。我尝试使用聚合函数，但我们必须指定日期值，但我有一个非常大的数据集？r中还有其他选项吗

---

请有人建议是否有更好的方法可以遵循？我的假设是，时间序列预测只适用于二元数据？这个假设正确吗？

你的问题似乎有两个方面：

我想使用

ts（）

将此数据帧转换为时间序列，但是 问题是-当前数据帧具有多个相同的值 日期。在这种情况下，我们可以应用时间序列吗

如果您乐于使用该软件包，您可以尝试：

dta2$date <- as.Date(dta2$date, "%d-%m-%Y")
dtaXTS <- xts::as.xts(dta2[,2:3], dta2$date)

以下类别中：

>> class(dtaXTS)
[1] "xts" "zoo"

然后，可以将时间序列对象用作单变量时间序列，并引用所选变量或作为多变量时间序列，例如使用包：

PerformanceAnalytics::chart.TimeSeries(dtaXTS)

侧重点 关于你的第二个问题：

我的朋友，有人能告诉我更好的方法是什么吗 假设时间序列预测仅适用于二元数据？是 这个假设也对吗

嗯，这是相当广泛的。我建议您使用创建的

xts

对象，详细说明您想要使用的模型以及原因，如果这是一个关于时间序列分析性质的概念性问题，您可能更愿意将后续问题张贴在上面

---

---

数据来源于：

dta2，因为需要每日预测，我们需要将数据汇总到每日。使用末尾注释中的
DF
，使用
read.zoo
和参数
aggregate=sum
将前两列数据读入一个zoo系列
z
。我们可以选择将其转换为
“ts”
系列（
tser你到底想实现什么？也许每天聚合数据？你读过帖子吗？@lukeA聚合是唯一可能的解决方案吗？是的，我想每天预测计数值。我不知道这是否是唯一可能的解决方案。如果你从统计角度（而不是编程角度）来问的话），可能是一个更好的问题。至少对我来说，聚合（例如每天计数总和）听起来是一个简单的解决方案。。。
>> class(dtaXTS)
[1] "xts" "zoo"

PerformanceAnalytics::chart.TimeSeries(dtaXTS)

library(forecast)
library(zoo)

z <- read.zoo(DF[1:2], format = "%m-%d-%Y", aggregate = sum)

auto.arima(z)

forecast(z)

Lines <- "date            count     grp
01-09-2009       54        1
01-09-2009       100       2
01-09-2009       546       3
01-10-2009       67        4
01-11-2009       80        5
01-11-2009       45        6"
DF <- read.table(text = Lines, header = TRUE)