0

我正在尝试将 ETS 和 ARIMA 模型拟合到 2017 年 1 月 1 日至 2019 年 3 月 31 日的每日销售数据

使用 R 包“预测”，我从我的数据中创建了一个 ts 对象。在这里，我使用了频率7。不幸的是，这改变了我的日期符号，如下所示，每第 7 个周期开始一个新的“年”，而不是保持旧的日期格式。

问题：如何从我的数据中应用每周季节性，同时使用“年-月-日”格式（2017-01-01）保持所需的日期结构。

DF <- read_excel("....",
                 col_names = TRUE,
                 col_types = c("date", "numeric", "numeric", 
                               "numeric", "numeric","numeric","numeric"))
TS <- ts(DF[,2:6], , start = c(2017, 1), frequency = 7)
TS_ggseasonplot <- lapply(TS,function(x){ggseasonplot(x, polar=TRUE)})

应用 ts 之前的旧输出。

Date       V_1
   <date>       <dbl>
 1 2017-01-01       0
 2 2017-01-02     529
 3 2017-01-03     556
 4 2017-01-04     544
 5 2017-01-05     510
 6 2017-01-06     319
 7 2017-01-07       0
 8 2017-01-08       0
 9 2017-01-09    1296
10 2017-01-10     388

然后：

Date         V_1    
2017.000       0      
2017.286     556   
2017.429     544    
2017.571     510    
2017.714     319      
2017.857       0      
2018.000       0      
2018.143    1296
4

1 回答 1

0

这是使用 ts 对象进行预测的一大缺点，也是我们开发新包以直接处理时间序列数据帧（tsibble 对象）的一大动力。

对于预测包，您可以使用 lubridate 包的lubridate::date_decimal()功能将十进制日期转换回日期。

lubridate::date_decimal(2017.3287671233)
#> [1] "2017-05-01 00:00:00 UTC"

由reprex 包（v0.2.1）于 2019 年 5 月 15 日创建

于 2019-05-15T13:23:55.980 回答