[英]Time-Series Data manipulation
任何人都可以建议用于时序数据操作的资源。 我不是在寻找时间序列统计分析(例如ARIMA,Forcasting等)。 相反,我想根据时间段提取一部分数据。
感谢Dirk&Mohsen! @Dirk:我一定会去动物园的。 我听说这对TS很有好处,但是出于某种原因,我才想出来。 @Mohsen:我没有使用分解方法。 但是我尝试了stl,它给了我很多错误。 我希望能获得更多详细信息。此外,我还在寻找您提供给我的链接。 但这正在使用其他软件在TS上运行。 我对TS的统计分析没有问题。 但是我在R中的TS数据操作中遇到问题。
另外,大部分时间我都会处理每日,每周和每月的数据。 但是我遇到的例子是年度数据。 因此,当我尝试在数据集中复制示例时,我得到了很多错误。 我无法格式化每日,每周和每月的统计数据。 例如,我想要以下每周格式的代码。 但是,当我将日期放在“开始”段中时,它给了我错误。 这就是为什么我要寻找一些仅提供时间序列数据处理示例的资源。 一旦我可以从时间序列中提取所需的数据,就可以进行统计分析了。
data <-ts(data [,1],start = 1956,freq = 12)
请查看Zoo软件包的文档,其中包含许多子集和聚合操作。
以下是一些以前的stl()问题的链接:
请注意如何建模季节性数据。 它给“虚假回归”一词赋予了全新的含义。
x <- rnorm(200)
x.ts <- ts(x, start=1956, freq=12)
x.stl <- stl(x.ts, s.window = "periodic")
plot(x.stl)
x.dec <- decompose(x.ts)
plot(x.dec)
以下是一些其他时间序列链接:
http://cran.r-project.org/web/views/TimeSeries.html
http://www.stat.pitt.edu/stoffer/tsa2/R_time_series_quick_fix.htm
http://casoilresource.lawr.ucdavis.edu/drupal/book/export/html/100
如果您熟悉Python,我建议您使用scikits.timeseries或最近维护的熊猫的时间序列功能
专门针对时间段,panda提供以下构造:
A truncate convenience function is provided that is equivalent to slicing:
ts.truncate(before='10/31/2011', after='12/31/2011')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.