如何在预测后保留xts时间序列数据中的日期

Question

如何在预测后保留xts时间序列数据中的日期

3

请考虑以下小数据集：

library(xts)
library(ggplot2)
library(forecast)

data <- data.frame(idDate = c("12-12-2012", "13-12-2012", "14-12-2012", "16-12-2012", "19-12-2012"), score= c(110, 120, 130, 200, 180))
date <- as.Date(as.character(data$idDate), "%d-%m-%Y")
score <- as.numeric(data$score)

myxts <- xts(score, date)
autoplot(myxts)

目前为止，沿着x轴的日期（指标）被保留，但是一旦我调用forecast，我沿着x轴的日期就变成了整数。如下所示：

d.arima <- auto.arima(myxts)
d.forecast <- forecast(d.arima, level = c(95), h = 3)
d.forecast
autoplot(d.forecast)

问题: 如何保留myxts的索引？是否有办法告诉forecast或auto.arima保留来自myxts的日期(索引)？

- Salvador

你想要实现什么并不清楚。你希望 forecast 还告诉你预测的日期吗？ - lebelinoz

是的，我想要源数据和预测数据沿着日期格式的x轴，而不是整数。 - Salvador

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Matt Dancho · Accepted Answer

问题在于你在使用两种不同的时间系统：xts是不规则的（使用没有要求周期性的日期），而forecast/ts系统是规则的（使用均匀间隔的数字序列）。我们通过创建一个可以映射到预测的未来日期序列来解决这个问题。

以下是详细的解决方案。使用forecast和xts包来重新创建预测。使用timekit包来创建未来日期。使用ggplot2包进行绘图。

解决问题的关键是创建未来日期。请注意，你所拥有的是不规则间隔的时间序列。 tk_make_future_timeseries()与输入时间索引的周期性相匹配。如果不正确，你可以使用skip_values和insert_values分别删除和插入日期。

library(forecast)
library(xts)
library(ggplot2)
library(timekit)

# Recreate xts data, d.arima and d.forecast
data <- data.frame(idDate = c("12-12-2012", "13-12-2012", "14-12-2012", "16-12-2012", 
                              "19-12-2012"), 
                   score= c(110, 120, 130, 200, 180))
date <- as.Date(as.character(data$idDate), "%d-%m-%Y")
score <- as.numeric(data$score)
myxts <- xts(score, date)
d.arima <- auto.arima(myxts)
d.forecast <- forecast(d.arima, level = c(95), h = 3)

# Extract index
idx <- tk_index(myxts)
idx
#> [1] "2012-12-12" "2012-12-13" "2012-12-14" "2012-12-16" "2012-12-19"

# Make future index
idx_future <- tk_make_future_timeseries(idx, n_future = 3)
idx_future
#> [1] "2012-12-20" "2012-12-22" "2012-12-23"

# Build xts object from forecast
myts_future <- cbind(y = d.forecast$mean, y.lo = d.forecast$lower, y.hi = d.forecast$upper)
myxts_future <- xts(myts_future, idx_future)
myxts_future
#>              y     y.lo     y.hi
#> 2012-12-20 148 70.33991 225.6601
#> 2012-12-22 148 70.33991 225.6601
#> 2012-12-23 148 70.33991 225.6601

# Format original xts object
myxts_reformatted <- cbind(y = myxts, y.lo = NA, y.hi = NA)
myxts_final <- rbind(myxts_reformatted, myxts_future)

# Plot forecast - Note ggplot uses data frames, tk_tbl() converts to df
tk_tbl(myxts_final) %>%
    ggplot(aes(x = index, y = y)) +
    geom_point() +
    geom_line() +
    geom_ribbon(aes(ymin = y.lo, ymax = y.hi), alpha = 0.2)