R 如何创建;不适用;查找时间序列中的缺失数据
我有几个数据文件如下所示:R 如何创建;不适用;查找时间序列中的缺失数据,r,time-series,missing-data,R,Time Series,Missing Data,我有几个数据文件如下所示: X code year month day pp 1 4515 1953 6 1 0 2 4515 1953 6 2 0 3 4515 1953 6 3 0 4 4515 1953 6 4 0 5 4515 1953 6 5 3.5 有时会丢失数据,但我没有NAs,这些行根本不存在。我需要在数据丢失时创建NAs。我想我可以通过将其转换为zoo对象并检查严格的规则性(我以前从未使
X code year month day pp
1 4515 1953 6 1 0
2 4515 1953 6 2 0
3 4515 1953 6 3 0
4 4515 1953 6 4 0
5 4515 1953 6 5 3.5
有时会丢失数据,但我没有NAs,这些行根本不存在。我需要在数据丢失时创建NAs。我想我可以通过将其转换为zoo对象并检查严格的规则性(我以前从未使用过zoo)来确定何时发生这种情况,我使用了以下代码:
z.date<-paste(CET$year, CET$month, CET$day, sep="/")
z <- read.zoo(CET, order.by= z.date )
reg<-is.regular(z, strict = TRUE)
z.date在zoo软件包中,“常规”表示序列间隔相等,但可能缺少一些条目。zoo软件包中的zooreg
类专门用于该系列。请注意,所有规则系列的集合包括所有等距系列的集合,但严格地说更大
is.regular
函数检查给定序列是否为正则序列。也就是说,如果为缺失条目插入NAs,序列是否可以使其等距排列
关于你的最后一个问题,这是一个常见问题。参见动物园常见问题解答中的常见问题解答#13,可从或从R内通过以下途径获得:
vignette("zoo-faq")
在常见问题解答13中还有一些说明性代码。首先要注意的是,z.date
是字符,而不是日期
下面是我如何使用xts(zoo的一个子类)解决您的问题
#从样本数据中删除第三个obs
CETseq
函数有一些有趣的功能,您可以使用这些功能轻松生成完整的日期序列。例如,以下代码可用于生成从4月25日开始的日期序列:
编辑:此功能记录在?seq.Date
start = as.Date("2011/04/25")
full <- seq(start, by='1 day', length=15)
full
[1] "2011-04-25" "2011-04-26" "2011-04-27" "2011-04-28" "2011-04-29"
[6] "2011-04-30" "2011-05-01" "2011-05-02" "2011-05-03" "2011-05-04"
[11] "2011-05-05" "2011-05-06" "2011-05-07" "2011-05-08" "2011-05-09"
要将此结果与原始完整数据相结合,请执行以下操作:
data.frame(Date=full, value=with(partial, value[match(full, date)]))
Date value
1 2011-04-25 1
2 2011-04-26 NA
3 2011-04-27 2
4 2011-04-28 NA
5 2011-04-29 3
6 2011-04-30 NA
7 2011-05-01 4
8 2011-05-02 NA
9 2011-05-03 5
10 2011-05-04 NA
11 2011-05-05 6
12 2011-05-06 NA
13 2011-05-07 NA
14 2011-05-08 NA
15 2011-05-09 NA
我必须用一个月的时间序列来处理类似的问题。我通过时间变量直接连接两个data.table
/data.frame
。我的观点是,时间序列也是一种数据集。因此,您还可以以常规方式将任何时间序列作为常规数据集进行操作。以下是我的解决方案:
library(zoo)
(full <- data.table(yrAndMo = as.yearmon(seq(as.Date('2008-01-01'), by = '1 month', length = someLength))))
# the full time horizon that you want to have
# yrAndMo
# 1: Jan 2008
# 2: Feb 2008
# 3: Mar 2008
# 4: Apr 2008
# 5: May 2008
# ---
# 98: Feb 2016
# 99: Mar 2016
# 100: Apr 2016
# 101: May 2016
# 102: Jun 2016
exampleDat # the actually data you want to append to the full time horizon
# yrAndMo someValue
# 1 Mar 2010 7500
# 2 Jun 2010 1115
# 3 Mar 2011 2726
# 4 Apr 2011 1865
# 5 Nov 2011 1695
# 6 Dec 2012 10000
# 7 Mar 2016 1000
library(plyr)
join(full, exampleDat, by = 'yrAndMo', type = "left")
# yrAndMo someValue
# 1: Jan 2008 NA
# 2: Feb 2008 NA
# 3: Mar 2008 NA
# 4: Apr 2008 NA
# 5: May 2008 NA
# ---
# 98: Feb 2016 NA
# 99: Mar 2016 1000
# 100: Apr 2016 NA
# 101: May 2016 NA
# 102: Jun 2016 NA
图书馆(动物园)
(完整您的意思是您的数据在某些日期中不包含行吗?这与您的前两列(X和代码)有何关系?+1表示很酷的未记录技巧。然后:它被记录为:?seq.Date(:@Nick谢谢你告诉我在哪里可以找到这些文档。我五分钟前使用我最喜欢的搜索引擎在R邮件列表中发现了这一功能,但在?seq中找不到任何与此相关的引用。timeBasedSeq函数会重复它创建的某些天!这会导致zoo出现问题,因为“order.by”中的索引项不是唯一的。例如,基于时间的Seq(“19860601/19861231”)将创建…“1986-10-25”“1986-10-26”“1986-10-26”“1986-10-26”“1986-10-27”…我如何避免这种情况?
with(partial, value[match(full, date)])
[1] 1 NA 2 NA 3 NA 4 NA 5 NA 6 NA NA NA NA
data.frame(Date=full, value=with(partial, value[match(full, date)]))
Date value
1 2011-04-25 1
2 2011-04-26 NA
3 2011-04-27 2
4 2011-04-28 NA
5 2011-04-29 3
6 2011-04-30 NA
7 2011-05-01 4
8 2011-05-02 NA
9 2011-05-03 5
10 2011-05-04 NA
11 2011-05-05 6
12 2011-05-06 NA
13 2011-05-07 NA
14 2011-05-08 NA
15 2011-05-09 NA
library(zoo)
(full <- data.table(yrAndMo = as.yearmon(seq(as.Date('2008-01-01'), by = '1 month', length = someLength))))
# the full time horizon that you want to have
# yrAndMo
# 1: Jan 2008
# 2: Feb 2008
# 3: Mar 2008
# 4: Apr 2008
# 5: May 2008
# ---
# 98: Feb 2016
# 99: Mar 2016
# 100: Apr 2016
# 101: May 2016
# 102: Jun 2016
exampleDat # the actually data you want to append to the full time horizon
# yrAndMo someValue
# 1 Mar 2010 7500
# 2 Jun 2010 1115
# 3 Mar 2011 2726
# 4 Apr 2011 1865
# 5 Nov 2011 1695
# 6 Dec 2012 10000
# 7 Mar 2016 1000
library(plyr)
join(full, exampleDat, by = 'yrAndMo', type = "left")
# yrAndMo someValue
# 1: Jan 2008 NA
# 2: Feb 2008 NA
# 3: Mar 2008 NA
# 4: Apr 2008 NA
# 5: May 2008 NA
# ---
# 98: Feb 2016 NA
# 99: Mar 2016 1000
# 100: Apr 2016 NA
# 101: May 2016 NA
# 102: Jun 2016 NA