Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/79.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
R 获取发生最大影响的日期_R_Time Series - Fatal编程技术网

R 获取发生最大影响的日期

R 获取发生最大影响的日期,r,time-series,R,Time Series,在R中使用因果关系 当我使用 max(impact$series$point.effect)返回最大效果, 像这样 > max(impact$series$point.effect) [1] 4.147952 我想知道是否有一种简单的方法也可以获得与此号码相关的日期。可以给我一个输出,比如 [1] 4.147952 , 2/14/2017 有什么想法吗?有很多方法可以做到这一点,最简单的方法是将数据转换为数据帧并轻松处理 我没有尝试使用额外的软件包,即tidyverse,

在R中使用因果关系

当我使用 max(impact$series$point.effect)返回最大效果, 像这样

    >     max(impact$series$point.effect)
[1] 4.147952
我想知道是否有一种简单的方法也可以获得与此号码相关的日期。可以给我一个输出,比如 [1] 4.147952 , 2/14/2017
有什么想法吗?

有很多方法可以做到这一点,最简单的方法是将数据转换为数据帧并轻松处理

我没有尝试使用额外的软件包,即tidyverse,只使用Base R,以免使解决方案复杂化

此外,我还使用MarketMatching数据复制了一个示例

library(MarketMatching)
library(CausalImpact)

data(weather, package="MarketMatching")
mm <- best_matches(data=weather,
                   id_variable="Area",
                   date_variable="Date",
                   matching_variable="Mean_TemperatureF",
                   parallel=TRUE,
                   warping_limit=1, # warping limit=1
                   dtw_emphasis=1, # rely only on dtw for pre-screening
                   matches=5, # request 5 matches
                   start_match_period="2014-01-01",
                   end_match_period="2014-10-01")


results <- MarketMatching::inference(matched_markets = mm,
                                     test_market = "CPH",
                                     end_post_period = "2015-10-01")

series <- as.data.frame(results$CausalImpactObject$series)
series$date <- rownames(series)
series[which.max(series$point.effect), "date"]
# [1] "2014-10-08"
库(市场匹配)
图书馆(CausalImpact)
数据(天气、包装=“市场匹配”)
嗯