分析没有日期的时间序列

Question

我有这样的数据：

dat
# A tibble: 34 x 2
   date_block_num  sales
            <int>  <dbl>
 1              0 131479
 2              1 128090
 3              2 147142
 4              3 107190
 5              4 106970
 6              5 125381
 7              6 116966
 8              7 125291
 9              8 133332
10              9 127541
# ... with 24 more rows

date_block_num是每年的月份。 sales 是产品的销售额。例如，在原始数据中，date_block_num 0 有 63,224 rows/cases，因为销售额是按天计算的，它们指的是不同商店的不同商品。每天分析数据也很有趣，但 R 无法处理如此多的数据。

我想分解时间序列以分析趋势、季节性和随机成分。总的来说，时间序列有 33 个月（开始：2013 年 1 月 1 日，结束，2015 年 10 月 1 日）。

这是我的方法。

library(forecast)
ts(dat, frequency = 12) %>%
  decompose() %>%
  autoplot()

但是，比较上面四个图中的第一个和这个似乎不正确：

plot(dat, type = "l")

structure(list(date_block_num = 0:33, sales = c(131479, 128090, 
147142, 107190, 106970, 125381, 116966, 125291, 133332, 127541, 
130009, 183342, 116899, 109687, 115297, 96556, 97790, 97429, 
91280, 102721, 99208, 107422, 117845, 168755, 110971, 84198, 
82014, 77827, 72295, 64114, 63187, 66079, 72843, 71056)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -34L))

Answer 1

问题是由于传递了 dat 的两列而不仅仅是 sales 的一列：

ts(dat$sales, frequency = 12) %>%
  decompose() %>%
  autoplot()

Answer 2

问题是ts(dat)创建了一个二维时间序列：

ts(dat, frequency = 12)
      date_block_num  sales
Jan 1              0 131479
Feb 1              1 128090

然后只有第一列 (date_block_num) 被分解。试试这个

ts(dat$sales, frequency = 12) %>% 
  decompose() %>%
  autoplot()

分析没有日期的时间序列

Analyze time series without dates

r

time-series

ggplot2

forecasting