我正在尝试在 R 中使用时间序列函数ts()
。我从一个 csv 文件中读取值,并将信息存储在一个名为nums
该变量的变量中,该变量有 329 个值,可以分为 47 组,每组 7 个(47*7 - 329)。我试图time series object
通过以下方式创建一个:
x <- ts(num, frequency = 47)
但是,存储在中的值与存储在x
中的值大不相同num
。num
我已经为和提供了值x
。我希望在中具有与中相同的值x
,因为我想使用该函数num
进行提前预测。ts
> nums
[1] 568 485 360 523 514 370 332 758 580 613 544 568 394
[14] 389 841 685 719 647 615 389 367 744 717 778 594 551
[27] 354 317 731 721 819 662 581 436 394 779 770 793 763
[40] 619 412 427 865 805 952 759 677 429 424 935 805 915
[53] 780 685 430 404 797 733 766 747 697 446 334 598 868
[66] 888 849 707 458 426 950 806 826 804 730 541 439 1,070
[79] 770 989 863 737 525 461 982 925 906 877 954 532 522
[92] 1,070 918 1,010 786 787 499 410 1,041 863 989 833 783 506
[105] 496 1,057 1,031 983 897 783 492 428 927 875 913 808 655
[118] 358 356 740 581 771 722 628 417 442 895 791 854 779
[131] 767 513 415 916 764 1,259 944 797 561 552 988 982 857
[144] 289 515 337 403 895 879 702 778 721 515 572 912 873
[157] 892 847 775 535 565 1,047 933 965 931 795 628 651 1,112
[170] 1,332 1,346 1,486 1,416 1,098 1,179 954 216 530 591 586 488 421
[183] 444 361 788 680 619 464 451 861 851 801 780 672 486
[196] 412 1,049 1,132 1,022 905 758 574 516 1,045 1,107 1,177 1,068 1,044
[209] 640 718 755 772 798 817 779 540 463 1,002 970 1,033 992
[222] 748 527 475 935 853 983 985 880 548 631 996 1,041 1,184
[235] 1,015 905 641 547 1,121 1,255 1,235 1,087 1,046 662 711 1,216 1,370
[248] 1,404 1,233 1,464 973 587 980 1,202 997 1,022 876 552 549 1,018
[261] 966 876 1,139 962 682 685 1,311 1,289 1,220 1,227 1,105 758 667
[274] 1,258 1,511 1,509 1,462 1,185 834 946 1,149 975 919 949 883 555
[287] 502 1,055 979 1,048 938 825 519 351 574 983 989 1,116 927
[300] 707 588 1,111 1,042 1,096 1,034 860 600 528 1,052 1,019 1,036 1,154
[313] 1,043 740 570 1,042 990 1,149 1,063 895 579 503 1,103 1,073 1,081
[326] 1,017 882 632 602
> x
Time Series:
Start = c(1, 1)
End = c(7, 47)
Frequency = 47
[1] 141 108 78 123 118 81 71 192 146 156 132 141 83 82 225 173 180 164 157 82
[21] 80 188 178 202 152 136 75 70 184 181 220 167 147 97 83 203 198 210 194 158
[41] 87 93 235 216 267 193 170 95 91 261 216 253 204 173 96 85 212 185 196 189
[61] 174 101 72 153 236 245 227 176 103 92 266 217 222 215 183 131 98 26 198 281
[81] 234 186 124 104 277 257 250 240 268 128 122 26 255 2 206 207 113 86 12 234
[101] 281 223 205 116 112 23 8 278 248 205 111 94 258 238 252 218 166 77 76 187
[121] 147 199 182 159 89 99 247 209 230 203 197 117 88 254 195 55 263 212 139 137
[141] 280 277 231 69 119 73 84 247 241 175 202 181 119 143 251 237 246 226 201 129
[161] 140 18 260 270 259 211 159 165 36 58 59 65 62 31 44 268 68 127 151 148
[181] 110 90 100 79 208 171 158 106 102 233 228 214 204 169 109 87 20 39 7 249
[201] 192 144 120 16 34 43 25 15 162 179 191 200 213 219 203 130 105 1 272 9
[221] 283 190 125 107 261 229 278 279 242 134 160 284 12 45 3 249 163 133 38 53
[241] 52 29 17 167 177 48 60 61 51 64 273 149 276 47 285 7 239 137 135 5
[261] 271 239 40 269 172 173 57 56 49 50 33 192 168 54 67 66 63 46 224 264
[281] 41 274 256 265 244 138 114 22 275 19 262 221 121 74 144 278 281 37 258 176
[301] 150 35 13 30 10 232 154 126 21 6 11 42 14 187 142 13 282 41 24 247
[321] 145 115 32 27 28 4 243 161 155
attr(,"levels")
[1] 1,002 1,010 1,015 1,017 1,018 1,019 1,022 1,031 1,033 1,034 1,036 1,041 1,042
[14] 1,043 1,044 1,045 1,046 1,047 1,048 1,049 1,052 1,055 1,057 1,063 1,068 1,070
[27] 1,073 1,081 1,087 1,096 1,098 1,103 1,105 1,107 1,111 1,112 1,116 1,121 1,132
[40] 1,139 1,149 1,154 1,177 1,179 1,184 1,185 1,202 1,216 1,220 1,227 1,233 1,235
[53] 1,255 1,258 1,259 1,289 1,311 1,332 1,346 1,370 1,404 1,416 1,462 1,464 1,486
[66] 1,509 1,511 216 289 317 332 334 337 351 354 356 358 360
[79] 361 367 370 389 394 403 404 410 412 415 417 421 424
[92] 426 427 428 429 430 436 439 442 444 446 451 458 461
[105] 463 464 475 485 486 488 492 496 499 502 503 506 513
[118] 514 515 516 519 522 523 525 527 528 530 532 535 540
[131] 541 544 547 548 549 551 552 555 561 565 568 570 572
[144] 574 579 580 581 586 587 588 591 594 598 600 602 613
[157] 615 619 628 631 632 640 641 647 651 655 662 667 672
[170] 677 680 682 685 697 702 707 711 717 718 719 721 722
[183] 730 731 733 737 740 744 747 748 755 758 759 763 764
[196] 766 767 770 771 772 775 778 779 780 783 786 787 788
[209] 791 793 795 797 798 801 804 805 806 808 817 819 825
[222] 826 833 834 841 847 849 851 853 854 857 860 861 863
[235] 865 868 873 875 876 877 879 880 882 883 888 892 895
[248] 897 905 906 912 913 915 916 918 919 925 927 931 933
[261] 935 938 944 946 949 950 952 954 962 965 966 970 973
[274] 975 979 980 982 983 985 988 989 990 992 996 997