如何使用R将数据帧转换为时间序列
给定上述数据集，如何将该数据集转换为如下所示的时间序列数据，如下所示，以获取当月的值，并添加当月的值如何使用R将数据帧转换为时间序列,r,time-series,R,Time Series,给定上述数据集，如何将该数据集转换为如下所示的时间序列数据，如下所示，以获取当月的值，并添加当月的值 f1 f2 1 11/1/16 0 2 12/1/16 0 3 11/2
f1 f2
1 11/1/16 0
2 12/1/16 0
3 11/2/16 56.25
4 12/2/16 0
5 11/3/16 56.25
6 12/3/16 0
7 11/4/16 111
8 12/4/16 0
9 11/5/16 0
10 12/5/16 13
11 11/6/16 0
12 12/6/16 0
13 11/7/16 0
14 12/7/16 0
15 10/8/16 0
16 11/8/16 35
17 12/8/16 0
18 10/9/16 0
19 11/9/16 415.21
20 12/9/16 0
21 10/10/16 0
22 11/10/16 280
23 12/10/16 817
24 10/11/16 830
25 11/11/16 644
26 12/11/16 0
27 10/12/16 0
28 11/12/16 90
29 12/12/16 0
30 1/1/17 0
31 2/1/17 250
32 2/1/17 0
33 3/1/17 45
34 3/1/17 184
35 4/1/17 578.16
36 4/1/17 160
37 5/1/17 21
38 5/1/17 0
39 6/1/17 352
40 6/1/17 0
41 6/1/17 2089
42 7/1/17 0
43 7/1/17 0
44 7/1/17 855
45 8/1/17 488
46 8/1/17 573
47 8/1/17 654
48 9/1/17 0
49 9/1/17 0
50 9/1/17 1995
51 10/1/17 0
52 10/1/17 0
53 10/1/17 0
54 11/1/17 0
55 11/1/17 115
56 11/1/17 2147
57 12/1/17 74
58 12/1/17 0
59 12/1/17 1431
60 1/2/17 50
Jan Feb March April May June July August Sep Oct Nov Dec
2016 0 56.25 56.25 111 13 0 0 35 415.21 1097 1474 90
2017 12011.16 50 0 0 0 0 0 0 0 0 0 0
下面是一个使用
dplyrtidyrlubridatedat = ts(data, start=c(2016,1), end=c(2017,1), frequency=12)
dat%>%
变异（f1=as.POSIXct（dat$f1，格式='%d/%m/%Y'）））%>%
变异（月=月。abb[月（f1）]，年=年（f1））%>%
分组单位（月、年）%>%
总结（总和=总和（f2））%>%
差价（月、和、填充=0）%>%
选择（年、月、abb）
##tibble:2 x 13
#年一月二月三月四月五月六月七月八月九月十月十一月十二月
#
# 1 16. 056.2 56.2 111. 1300354151097147490
# 2 17. 1201150.0 0. 000000000
资料
dat%
变异（月=月。abb[月（f1）]，年=年（f1））%>%
分组单位（月、年）%>%
总结（总和=总和（f2））%>%
差价（月、和、填充=0）%>%
选择（年、月、abb）%>%
选择（-year）%>%
as.matrix（）%>%
as.vector（）
dat.ts以及这些时间序列是如何计算的？是不是总和
？很难说，因为第一个表是2016年，2017年，而想要的结果是1950年代。这是R环境中的预加载数据集。数据集的名称是AirPassenger，它已经是时间序列格式。如果假设它是一个总和，那么我们如何做。请给出一个易于粘贴的可复制示例，以及该示例的输出是什么样子的。此外，请展示您迄今为止所做的尝试。我已编辑了我的问题此处表示的是什么我们如何转换时间序列数据中的数据
dat %>%
mutate(f1 = as.POSIXct(dat$f1, format = '%d/%m/%Y')) %>%
mutate(month = month.abb[month(f1)], year = year(f1)) %>%
group_by(month, year) %>%
summarise(sum = sum(f2)) %>%
spread(month, sum, fill = 0) %>%
select(year, month.abb)
# # A tibble: 2 x 13
# year Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 16. 0. 56.2 56.2 111. 13. 0. 0. 35. 415. 1097. 1474. 90.
# 2 17. 12011. 50.0 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
dat <- structure(list(f1 = c("11/1/16", "12/1/16", "11/2/16", "12/2/16",
"11/3/16", "12/3/16", "11/4/16", "12/4/16", "11/5/16", "12/5/16",
"11/6/16", "12/6/16", "11/7/16", "12/7/16", "10/8/16", "11/8/16",
"12/8/16", "10/9/16", "11/9/16", "12/9/16", "10/10/16", "11/10/16",
"12/10/16", "10/11/16", "11/11/16", "12/11/16", "10/12/16", "11/12/16",
"12/12/16", "1/1/17", "2/1/17", "2/1/17", "3/1/17", "3/1/17",
"4/1/17", "4/1/17", "5/1/17", "5/1/17", "6/1/17", "6/1/17", "6/1/17",
"7/1/17", "7/1/17", "7/1/17", "8/1/17", "8/1/17", "8/1/17", "9/1/17",
"9/1/17", "9/1/17", "10/1/17", "10/1/17", "10/1/17", "11/1/17",
"11/1/17", "11/1/17", "12/1/17", "12/1/17", "12/1/17", "1/2/17"
), f2 = c(0, 0, 56.25, 0, 56.25, 0, 111, 0, 0, 13, 0, 0, 0, 0,
0, 35, 0, 0, 415.21, 0, 0, 280, 817, 830, 644, 0, 0, 90, 0, 0,
250, 0, 45, 184, 578.16, 160, 21, 0, 352, 0, 2089, 0, 0, 855,
488, 573, 654, 0, 0, 1995, 0, 0, 0, 0, 115, 2147, 74, 0, 1431,
50)), .Names = c("f1", "f2"), class = "data.frame", row.names = c(NA,
-60L))
dat2 <- dat %>%
mutate(f1 = as.POSIXct(dat$f1, format = '%d/%m/%Y')) %>%
mutate(month = month.abb[month(f1)], year = year(f1)) %>%
group_by(month, year) %>%
summarise(sum = sum(f2)) %>%
spread(month, sum, fill = 0) %>%
select(year, month.abb) %>%
select(-year) %>%
as.matrix() %>%
as.vector()
dat.ts <- ts(dat2, start = c(2016, 1), frequency = 12)
dat.ts