如何在 R 或 Matlab 中将这个不规则间隔的时间序列转换（插值）为规则间隔的时间序列？
How to turn (interpolate) this irregularly spaced time series into a regularly spaced one in R or Matlab?
我有以下数据：
Lines = "20/03/2014,9996792524
21/04/2014,8479115468
21/09/2014,11394750532
16/10/2014,9594869828
18/11/2014,10850291677
08/12/2014,10475635302
22/01/2015,10116010939
26/02/2015,11206949341
20/03/2015,11975140317
09/04/2015,11526960332
29/04/2015,9986194500
16/09/2015,11501088256
13/10/2015,11833183163
10/11/2015,13246940910
16/12/2015,13255698568
27/01/2016,13775653990
23/02/2016,13567323648
22/03/2016,14607415705
11/04/2016,13835444224
04/04/2016,14118970743"
我读入 R：
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = "%d/%m/%Y")
我希望对数据进行插值，以便将这个间隔不规则的时间序列转换为常规时间序列。时间间隔无所谓，只要有规律即可，但每月、每周或每两周一次都可以。
如何在 R 或 Matlab 中执行此操作？
注意：我意识到内插值可能不是很准确并且可能会歪曲信息，但是我需要学习如何做到这一点并且我可以接受失去一些准确性。
好的，首先，警告：如果你要插值然后执行测试或一般统计估计，你的结果将（严重）有偏见，除非你有一些充分的理由（领域知识？ ) 假设您的插值方法将生成来自原始点的相同分布的点。不，"the plot looks good" 不是评估这个的好标准 :)
话虽如此，让我们来看看数据：
# Lines contains your data
library(zoo)
fmt <- "%d/%m/%Y"
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = fmt)
t <- time(z)
plot(z,type="p",xaxt="n",pch=19,col="cyan",cex=1.5)
labs <- format(t,fmt)
axis(side = 1, at = t, labels = labs,cex.axis = 0.7)
您丢失的大部分数据似乎都与 2014 年夏季和 2015 年夏季有关。我很想知道这些数据是什么...无论如何，看起来您的大部分数据间隔至少 2 周:
diff(t)
# Time differences in days
# [1] 153 25 33 20 45 35 22 20 20 140 27 28 36 42 27 28 13 7
因此，让我们通过首先创建一个虚拟 zoo 对象来插入双周系列：
t.biweekly <- seq(from = min(t), to=max(t),by="2 weeks")
dummy <- zoo(,t.biweekly)
将虚拟系列与您的系列合并：
z.interpolated <- merge(z,dummy,all=TRUE)
如果您查看新系列，您会发现在 dummy 的所有时间都有 NA 值，而在 z 中没有相应的时间。让我们用线性插值填充这些点并查看结果：
z.interpolated <- na.approx(z.interpolated)
plot(z.interpolated, type = "b")
points(z,pch=19,col="cyan",cex=1.5)
瞧！请记住，从这个东西中建立推理模型是一个坏主意...
我有以下数据：
Lines = "20/03/2014,9996792524
21/04/2014,8479115468
21/09/2014,11394750532
16/10/2014,9594869828
18/11/2014,10850291677
08/12/2014,10475635302
22/01/2015,10116010939
26/02/2015,11206949341
20/03/2015,11975140317
09/04/2015,11526960332
29/04/2015,9986194500
16/09/2015,11501088256
13/10/2015,11833183163
10/11/2015,13246940910
16/12/2015,13255698568
27/01/2016,13775653990
23/02/2016,13567323648
22/03/2016,14607415705
11/04/2016,13835444224
04/04/2016,14118970743"
我读入 R：
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = "%d/%m/%Y")
我希望对数据进行插值，以便将这个间隔不规则的时间序列转换为常规时间序列。时间间隔无所谓，只要有规律即可，但每月、每周或每两周一次都可以。
如何在 R 或 Matlab 中执行此操作？
注意：我意识到内插值可能不是很准确并且可能会歪曲信息，但是我需要学习如何做到这一点并且我可以接受失去一些准确性。
好的，首先，警告：如果你要插值然后执行测试或一般统计估计，你的结果将（严重）有偏见，除非你有一些充分的理由（领域知识？ ) 假设您的插值方法将生成来自原始点的相同分布的点。不，"the plot looks good" 不是评估这个的好标准 :) 话虽如此，让我们来看看数据：
# Lines contains your data
library(zoo)
fmt <- "%d/%m/%Y"
z <- read.zoo(text = Lines, sep = ",", header = TRUE, index = 1:1, tz = "", format = fmt)
t <- time(z)
plot(z,type="p",xaxt="n",pch=19,col="cyan",cex=1.5)
labs <- format(t,fmt)
axis(side = 1, at = t, labels = labs,cex.axis = 0.7)
您丢失的大部分数据似乎都与 2014 年夏季和 2015 年夏季有关。我很想知道这些数据是什么...无论如何，看起来您的大部分数据间隔至少 2 周:
diff(t)
# Time differences in days
# [1] 153 25 33 20 45 35 22 20 20 140 27 28 36 42 27 28 13 7
因此，让我们通过首先创建一个虚拟 zoo 对象来插入双周系列：
t.biweekly <- seq(from = min(t), to=max(t),by="2 weeks")
dummy <- zoo(,t.biweekly)
将虚拟系列与您的系列合并：
z.interpolated <- merge(z,dummy,all=TRUE)
如果您查看新系列，您会发现在 dummy 的所有时间都有 NA 值，而在 z 中没有相应的时间。让我们用线性插值填充这些点并查看结果：
z.interpolated <- na.approx(z.interpolated)
plot(z.interpolated, type = "b")
points(z,pch=19,col="cyan",cex=1.5)
瞧！请记住，从这个东西中建立推理模型是一个坏主意...