Question

这是我的问题：我有2010年至2019年的每日利率原始数据。但是，缺少几个日期。

1244 9-Jul-10 5.053 1245 8-Jul-10 5.007 1246 7-Jul-10 4.991 1247 6-Jul-10 4.976 1248 28-Jun-10 4.850 1249 21-Jun-10 4.900 1250 18-Jun-10 5.000 1251 14-Jun-10 3.800 1252 9-Jun-10 3.850 1253 1-Jun-10 3.950 1254 31-May-10 3.950

当我在R上导入数据时，它将显示1254个数据，这是我实际拥有的数据量。

interest <-read.csv("C:/Users/SOOGRIM/Desktop/Interest4.csv",header=TRUE,stringsAsFactors=FALSE)

兴趣             日期价格
  1 19年1月21日3.550   2 19年1月20日3.550   3 19年1月19日3.550   4 19年1月18日3.550   19年1月17日3.630   摘要（兴趣）        日期价格X
   长度：1254分钟：0.861分钟：1.000
   类别：字符第一级：2.400第一级：1.000
   模式：字符中位数：2.900中位数：2.000
                      均值：3.000均值：3.031
                      第三届：3.670第三届：6.000
                      最高：5.674最大：10.000
                                      NA：1222 **

但是，在将其转换为时间序列时，会对缺少的日期进行数据插值，结果总计为3281。

interest.ts <-ts(data=interest$Price,frequency=365,start=c(2010,06),end=c(2019,01))

摘要（interest.ts）最小第一区中位数第三区最高 0.861 2.450 2.900 3.001 3.680 5.674 长度（interest.ts） [1] 3281 **

这会影响我对利率的预测。

我希望能够在我的日常值中识别出缺失的日期并在R中自动将其替换。我已经研究了软件包imputeTS和lubridate。我不知道使用什么功能来重新编号日期并分别显示“ price”变量的NaN。

然后，我将使用imputeTS软件包中可用的正确插值方法对“ price”变量的值进行插值。

我只是想知道如何在R中自动添加缺少的日期。由于缺少超过1000个日期，因此在excel上手动进行比较麻烦。

Answer 1

没有完全理解您的问题-但是我认为这是隐式缺少值的问题。

您有一个时间序列，并且某些日期完全丢失了-但不是以某种方式将它们标记为NA，在时间序列中根本没有给出日期。（因此，NA值仅是隐式给出的）

您可以使用 imputeTS 和 tsibble 软件包组合来解决此问题。

library(imputeTS)
library(tsibble)

# Convert your time series or data.frame into a tsibble time series object
x <- as_tsibble(your_timeseries)

# Get the implicit missing values -afterwards you have the missing values as NA
x <- fill_gaps(x)

# Perform the time series imputation
x <- na.kalman(x)

在这里tsibble包用于将隐式缺失值添加为实际NA值。之后，将imputeTS用于执行时间序列估算（替换NA值）。

如果您只需要简单的插补，例如这意味着您也可以直接使用fill_gaps执行此操作。否则请使用imputeTS的某些功能（例如na。kalman，na.interpolation，na.seadec，na.ma）

原始数据中缺少值

1 个答案: