时间序列分析的ts文件的最佳格式是什么？

Question

我刚开始time series进行R分析，我很难找出ts文件的最佳格式。

我将从csv文件将数据导入R，数据框将如下所示：

date          sales
2015/01/01    150
2015/02/01    200
2015/03/01    175
...

我的目标是将这些数据分解为time series组件：季节性，趋势和不规则

我可以将数据保留为'然后将其转换为ts格式并继续进行分析吗？ 我也看到了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time series中的R分析？它有所作为吗？

Answer 1

对于月度数据，最简单的方法是使用ts()，例如

ts(data, start=c(2015,1), freq=12)

这将生成您在上一个表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为ts() - 对象，以便它可以经常通过tsp()记录频率，例如stats::stl。 tsp()。 xts()返回时间序列的属性，即开始日期，结束日期，频率。有些还需要library(xts) - 来自msts()的对象，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forecast::tbats，例如if( T2_1 == min(T2_1,T2_2,T2_3,T2_4,T2_5,T2_6) and T2_2 == min(T2_2,T2_3,T2_4,T2_5,T2_6) and T2_3 == min(T2_3,T2_4,T2_5,T2_6) and T2_4 == min(T2_4,T2_5,T2_6) and T2_5 == min(T2_5,T2_6) ): M1 = 1e3 #Penalty 。