Question

我手头有问题。

目标：我有一个月度时间序列数据集，包括“零”和“NAs”。这里的零是值，我希望它们被更改，而NA是我想要在R中使用StructTS来估算的缺失值。

数据集示例

dataset <- matrix(sample(c(NA, 1:5), 25, replace = TRUE), 5)
dataset[1,2]<-0
dataset[4,4] <- 0

在数据集中，我只想用一个值替换NA，让零只为零。

在研究和阅读几个博客后，我使用了以下方法：

    missvalue <- function(df){
    x<-df
    x <- ts(rev(x),f=12)

    fit <- ts(rowSums(tsSmooth(StructTS(x))[,-2]))
    tsp(fit) <- tsp(x)  
    return(list(N=fit))
    }

    Newdata<-lapply(m,missvalue)

我也试过一种卑鄙的技巧：

   ##Missing Value another treatment 

    nzmean <- function(x) {
    if (all(x==0)) 0 else mean(x[x!=0])
    }
    apply(m,1,nzmean)

附上我提到的帖子：

R Convert NA's only after the first non-zero value
Interpolate missing values in a time series with a seasonal cycle

对此的任何帮助都会非常棒。

Answer 1

na.approx是一个有用的功能来自动物园＆＃39;动物园。它将使用几种方法来近似数据集中的缺失值。搜索?na.approx以获取有关参数选项和应用程序的更多信息。它将专注于NA条目，并且不会触及零。希望有所帮助。

library(zoo)
na.approx(dataset)
     [,1] [,2] [,3] [,4] [,5]
[1,]  1.0    0    4    1    1
[2,]  5.0    1    3    5    1
[3,]  3.0    2    4    2    1
[4,]  3.5    2    2    0    1
[5,]  4.0    5    2    4    1

数据

[,1] [,2] [,3] [,4] [,5] [1,] 1 0 4 1 1 [2,] 5 1 3 5 NA [3,] 3 2 4 2 NA [4,] NA 2 2 0 1 [5,] 4 5 2 4 1

Answer 2

我可以在这里推荐imputeTS包（我是维护者）。让这项任务变得非常轻松。（https://cran.r-project.org/web/packages/imputeTS/index.html）

提供多种算法，如均值插值，中位数，线性插值，样条插值，卡尔曼平滑，......

这里有一个例子：

library(imputeTS)
dataset[ ,1] <- na.kalman(dataset[ ,1])

另一个：

   dataset[ ,1] <- na.interpolation(dataset[ ,1])

另一个：

   dataset[ ,1] <- na.mean(dataset[ ,1])

另一个：

   dataset[ ,1] <- na.locf(dataset[ ,1])

唯一的缺点是，软件包不允许将data.frame作为输入，因此必须单独循环遍历列。（但从积极的方面来说，你也可以为不同的列使用不同的算法）

用NA和Zero替换时间序列数据集中的缺失值

2 个答案: