如何在时间序列中查找和描述连续的 NA 值？

Question

为了按特定标准对时间序列进行聚类，我想测量序列内部间隙的长度。这些差距可能表明存在各种业务问题，有经验的分析师应该先查看这些差距，然后再将这些值输送到预测模型中。我知道如何识别、计算和替换 NA。那不是我想在这里做的。相反，我想将每个连续的（也是单个的）NA 值的长度识别为每个时间序列的向量。

一些代码来说明我的问题和想要的结果：

suppressPackageStartupMessages(library(tidyverse))
suppressPackageStartupMessages(library(lubridate))

dates <- ymd("2016-01-01")+ months(0:71)
fake_values <- 
    c(661,678,1094,1987,3310,2105,1452,983,1107,805,675,684,436,514,668,206,19,NA,NA,NA,1174,1760,735,366,
    510,580,939,1127,2397,1514,1370,832,NA,661,497,328,566,631,983,1876,2784,2928,2543,1508,1175,8,1733,
    862,779,1112,1446,2407,3917,2681,NA,NA,NA,NA,NA,1239,1581,2814,1419,2792,4899,5857,2450,1944,1464,1248,
    1533,NA)

df <- bind_cols(fake_values, dates) %>% 
                rename(c(values = ...1, dates = ...2)
                          )

# resulting vector('s)
result <- as.data.frame(c(3,1,5,1)) 
names(result)[1] = "some_products_gaps"

顺便说一句，我更喜欢整洁的解决方案。希望我不是希望太多...解决方案必须是可扩展的，因为我需要 loop/apply 它用于数千个时间序列。提前致谢！

Answer 1

应该这样做

x = is.na(df$values)
rle(x)$lengths[rle(x)$values]

Answer 2

在 data.table rleid 的帮助下，这里有一个 dplyr 解决方案。

library(dplyr)

df %>%
  mutate(grp = data.table::rleid(is.na(values))) %>%
  filter(is.na(values)) %>%
  count(grp, name = 'some_products_gaps') %>%
  select(-grp)

#  some_products_gaps
#               <int>
#1                  3
#2                  1
#3                  5
#4                  1

如何在时间序列中查找和描述连续的 NA 值？

How to find and describe consecutive NA-values in a time series?

r

time-series

tidyverse

data-mining

pattern-recognition