将不均匀的数据时间[timestamps]系列转换为常规时间系列：R

Question

我有一个数据框“ gg”，看起来像这样：

> head(gg) 

           timestamps      value 
1 2017-04-25 16:52:00 -0.4120000 
2 2017-04-25 16:53:00 -0.4526667 
3 2017-04-25 16:54:00 -0.4586667 
4 2017-04-25 16:55:00 -0.4606667 
5 2017-04-25 16:56:00 -0.5053333 
6 2017-04-25 16:57:00 -0.5066667 

我需要将其绘制为时间序列数据以进行预测。 步骤如下：

1） gg$timestamps <- as.POSIXct(gg$timestamps, format = "%Y-%m-%d %H-%M-%S") #changing "Timestamps" column 'factor' to 'as.POSIXct'.

2） gg.ts <- xts(x=gg$value, order.by = gg$timestamps) #converting the dataframe to time series (Non Regular Time series)

现在，我希望将gg.ts转换为常规时间序列以进行这样的预测（ 预测时间序列数据 ），但是我不知道如何将时间戳值序列添加到ts函数。 当我尝试它抛出错误：

>  gg.xts <- ts(gg.ts, frequency = '1', start = c(2017-04-25 16:52:00,171))
Error: unexpected numeric constant in "gg.xts <- ts(gg.ts, frequency = '1', start = c(2017-04-25 16"

我的整个问题都在这里清楚列出。 https://stackoverflow.com/questions/43627826/plotting-time-series-data-r-plotly-timestamp-values请帮助我。 谢谢

Answer 1

在进行所有操作之前，您需要确保您拥有正确的数据类。 确保gg$timestamps采用POSIXct格式或日期格式（以您的偏好为准）

gg$timestamps<- as.POSIXct(strftime(gg$timestamps,format = "%Y-%m-%d %H:%M:%S"))

您需要做的就是根据您的特定间隔使用时间序列值生成一个新的data.frame，然后将其与gg合并

tstamp <- data.frame(x = seq(head(gg$timestamps,1),tail(gg$timestamps,1),by = "sec"))
res <-merge(tstamp, gg, by.x="x",by.y="timestamps",all.x = TRUE)
xts(res$value,order.by = res$x)     # you create your xts time series this way.

注意：由于原始时间序列是不规则的时间序列，因此其中将包含一些NA值。

更新：