用于时间序列分析的 ts 文件的最佳格式是什么？
What is the best format for a ts file for time series analysis?
我刚开始在 R 中进行 time series 分析，我很难找出 ts 文件的最佳格式。
我将从 csv 文件中将数据导入 R，数据框将如下所示：
date sales
2015/01/01 150
2015/02/01 200
2015/03/01 175
...
我的目标是将此数据分解成 time series 个组成部分：季节性、趋势和不规则
我可以保留数据原样，然后将其转换为 ts 格式并继续我的分析吗？
我也看到过以下格式的时间序列数据：
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
2015 150 200 175 ...
2016 250 420 350 ...
...
这两种格式中的哪一种最适合 R 中的 time series 分析？有区别吗？
对于每月数据，最简单的方法是使用 ts()，例如
ts(data, start=c(2015,1), freq=12)
这将生成您在上次 table 中引用的时间序列对象。 R 中的某些函数要求您的时间序列是一个 ts() 对象，以便它可以经常通过 tsp() 记录频率，例如stats::stl。 tsp() returns 时间序列的属性，即开始日期、结束日期、频率。有些还需要来自 library(xts) 的 xts()-objects，通常用于每小时或更高频率的数据。对于多季节数据，您可以使用 library(forecast) 中的 msts()，例如forecast::tbats.
我刚开始在 R 中进行 time series 分析，我很难找出 ts 文件的最佳格式。
我将从 csv 文件中将数据导入 R，数据框将如下所示：
date sales
2015/01/01 150
2015/02/01 200
2015/03/01 175
...
我的目标是将此数据分解成 time series 个组成部分：季节性、趋势和不规则
我可以保留数据原样，然后将其转换为 ts 格式并继续我的分析吗？
我也看到过以下格式的时间序列数据：
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
2015 150 200 175 ...
2016 250 420 350 ...
...
这两种格式中的哪一种最适合 R 中的 time series 分析？有区别吗？
对于每月数据，最简单的方法是使用 ts()，例如
ts(data, start=c(2015,1), freq=12)
这将生成您在上次 table 中引用的时间序列对象。 R 中的某些函数要求您的时间序列是一个 ts() 对象，以便它可以经常通过 tsp() 记录频率，例如stats::stl。 tsp() returns 时间序列的属性，即开始日期、结束日期、频率。有些还需要来自 library(xts) 的 xts()-objects，通常用于每小时或更高频率的数据。对于多季节数据，您可以使用 library(forecast) 中的 msts()，例如forecast::tbats.