R中基於時間序列和分組的數據分區

Question

我需要將大量 dataframe 的氣象時間序列拆分為訓練和驗證樣本。 它包含來自多個站點的數據，這些站點具有不同的觀測周期。 我如何划分它，以便每個站的訓練和驗證觀察的比例相等。 給定以下數據集：

車站	日期	溫度
A	2012-01-01	-0.8
A	2012-01-02	0.1
A	2012-01-03	0.5
A	2012-01-04	0.4
乙	2012-01-01	0.1
乙	2012-01-02	0.5

並假設訓練集應僅包括每個站點的前 50% 的觀測值，則所需的 output 將是：

車站	日期	溫度
A	2012-01-01	-0.8
A	2012-01-02	0.1
乙	2012-01-01	0.1

Answer 1

根據您的示例，您可以使用 dplyr 中的slice_head 。要創建驗證，請刪除訓練中的記錄。 這是為了避免在站點的記錄數量不均勻時選擇重復項。

training <- df1 %>% 
  mutate(Date = as.Date(Date),
         id = row_number()) %>% 
  group_by(Station) %>% 
  slice_head(prop = 0.5)
  
validation <- df1 %>% 
  mutate(Date = as.Date(Date),
         id = row_number()) %>%
  filter(!id %in% training$id)

training
# A tibble: 3 x 4
# Groups:   Station [2]
  Station Date        temp    id
  <chr>   <date>     <dbl> <int>
1 A       2012-01-01  -0.8     1
2 A       2012-01-02   0.1     2
3 B       2012-01-01   0.1     5

validation
  Station       Date temp id
1       A 2012-01-03  0.5  3
2       A 2012-01-04  0.4  4
3       B 2012-01-02  0.5  6