R 数据帧上的平滑函数

我尝试使用各种平滑函数，但没有找到适合我的。 我有一个从csv文件中读取的数据帧，该文件包含传感器数据，并且每行有一个日期时间戳：

如您所见，datetime列没有固定的间隔。我认为这是一个问题。 现在我想平滑数据帧列值1

好的，我的问题被搁置了，所以我想问得更详细一些。 很抱歉，我是R的新手（从几天开始），也是这个论坛的新手（从昨天开始），所以我必须为我的问题不够清楚和不了解所有格式规则而道歉。但我会尽我最大的努力参与进来

我从本页中选取了一个示例：

如果我运行这个示例，我会得到一个错误

loess_fit <- loess(y ~ x, Data)

是否有任何提示可用于获取这些数据的平滑趋势？

帮助（“黄土”）

指定函数需要“数字响应和一到四个数字预测值”。POSIXlt变量不是数字变量。然而，这是可行的：

loess_fit <- loess(y ~ as.numeric(x), Data)
lines(Data$x, predict(loess_fit), col = "blue")

---

lush_-fit“但没有找到适合我的”。。。你到底是什么意思？我发现一些函数“黄土”可以处理后续的x值，而不是datetimesWelcome to StackOverflow！请阅读相关信息以及如何给出建议。这将使其他人更容易帮助您。也许可以尝试查看
approw
和
approw.fun
功能。听起来他们可能就是你想要的。非常感谢你的提示！它工作得很好。我也会记住你的建议；-）
x <- strptime(c("2015-10-02 11:07:43", "2015-10-02 12:09:45", "2015-10-02 15:10:10", "2015-10-02 18:00:23",
"2015-10-02 22:31:12", "2015-10-03 02:01:53", "2015-10-03 02:05:52", "2015-10-03 04:12:37",
"2015-10-03 07:47:08", "2015-10-03 11:43:41"), format = "%Y-%m-%d %H:%M:%S")
Data <- data.frame(x,y)

plot(y ~ x, Data)

loess_fit <- loess(y ~ x, Data)
lines(Data$x, predict(loess_fit), col = "blue")

nls_fit <- nls(y ~ a + b * x^(-c), Data, start = list(a = 80, b = 20, c = 0.2))
lines(Data$x, predict(nls_fit), col = "red")

loess_fit <- loess(y ~ x, Data)

Error in simpleLoess(y, x, w, span, degree = degree, parametric = parametric,  :
(converted from warning) NAs introduced by coercion

loess_fit <- loess(y ~ as.numeric(x), Data)
lines(Data$x, predict(loess_fit), col = "blue")