插入高频时间序列
Interpolate a high frequency time series
我有一个 2 年样本数据范围内的物理时间序列，频率为 30 分钟，但如您所见，存在多个广泛的丢失数据间隔：
我尝试使用 forecast 包中的函数 na.interp，但结果不佳（如上所示）：
sapply(dataframeTS[2:10], na.interp)
我正在寻找更有用的方法。
更新：
这里是关于我想要捕获的模式的更多信息，具体是行 data。此子样本属于 5 月。
您可能想尝试 **imputeTS** 包。这是一个专门用于时间序列缺失值插补的 R 包。
na_seadec()、na_seasplit()、na_kalman() 方法在这里可能很有趣
还有更多的算法选项 - 您可以在此 Paper 中找到有关程序包的列表。
在这种特定情况下，我会尝试：
na_seasplit(yourData)
或
na_kalman(yourData)
或
na_seadec(yourData)
请注意，您可能需要使用时间序列正确提供季节性信息。 （您必须创建一个时间序列（ts 对象）并设置 frequency 参数）
也有可能根本行不通，你得试试。
（如果你能提供数据我也试试看）
我有一个 2 年样本数据范围内的物理时间序列，频率为 30 分钟，但如您所见，存在多个广泛的丢失数据间隔：
我尝试使用 forecast 包中的函数 na.interp，但结果不佳（如上所示）：
sapply(dataframeTS[2:10], na.interp)
我正在寻找更有用的方法。
更新：
这里是关于我想要捕获的模式的更多信息，具体是行 data。此子样本属于 5 月。
您可能想尝试 **imputeTS** 包。这是一个专门用于时间序列缺失值插补的 R 包。
na_seadec()、na_seasplit()、na_kalman() 方法在这里可能很有趣
还有更多的算法选项 - 您可以在此 Paper 中找到有关程序包的列表。
在这种特定情况下，我会尝试：
na_seasplit(yourData)
或
na_kalman(yourData)
或
na_seadec(yourData)
请注意，您可能需要使用时间序列正确提供季节性信息。 （您必须创建一个时间序列（ts 对象）并设置 frequency 参数）
也有可能根本行不通，你得试试。 （如果你能提供数据我也试试看）