转换数据参差不齐时间[时间戳]系列常规时间系列：R

我有一个数据帧“GG”，看起来像这样：转换数据参差不齐时间[时间戳]系列常规时间系列：R

> head(gg) 

      timestamps  value 
1 2017-04-25 16:52:00 -0.4120000 
2 2017-04-25 16:53:00 -0.4526667 
3 2017-04-25 16:54:00 -0.4586667 
4 2017-04-25 16:55:00 -0.4606667 
5 2017-04-25 16:56:00 -0.5053333 
6 2017-04-25 16:57:00 -0.5066667

我需要绘制这是一个时间序列数据做预测。步骤如下：

1）gg$timestamps <- as.POSIXct(gg$timestamps, format = "%Y-%m-%d %H-%M-%S") #changing "Timestamps" column 'factor' to 'as.POSIXct'.

2）gg.ts <- xts(x=gg$value, order.by = gg$timestamps) #converting the dataframe to time series (Non Regular Time series)

现在我想这个gg.ts转换为常规时间序列预测做这样的（Forecasting time series data）但我不知道如何将时间戳值系列添加到ts函数中。当我尝试它抛出错误：

> gg.xts <- ts(gg.ts, frequency = '1', start = c(2017-04-25 16:52:00,171)) 
Error: unexpected numeric constant in "gg.xts <- ts(gg.ts, frequency = '1', start = c(2017-04-25 16"

我有我的整个问题清楚地列在这里。 https://stackoverflow.com/questions/43627826/plotting-time-series-data-r-plotly-timestamp-values 请帮帮我。谢谢

来源

2017-04-27 dhinar

在此之前，你需要确保你有正确的数据类。确保gg$timestamps是POSIXct形式或日期的形式（无论你偏好）

gg$timestamps<- as.POSIXct(strftime(gg$timestamps,format = "%Y-%m-%d %H:%M:%S"))

所有你需要做的是生成时间序列值的新data.frame根据您的具体区间，然后合并新data.frame与gg

tstamp <- data.frame(x = seq(head(gg$timestamps,1),tail(gg$timestamps,1),by = "sec")) 
res <-merge(tstamp, gg, by.x="x",by.y="timestamps",all.x = TRUE) 
xts(res$value,order.by = res$x)  # you create your xts time series this way.

注意：您有一些NA值在里面，你原来的时间序列是一个不规则的时间序列。

更新时间：

来源

2017-04-27 09:14:56 theArun

感谢你好很多的答复。但我希望这个时间戳值使用“ts”（例如：'x = xts（res，order.by = res $ x），x.ts = ts（x，freq = 1， start = c（2017-04-25 16:48:00，191））'。这个x.ts抛出错误，正如我前面提到的那样，该图显示了我的图表中的一些随机值，它应该显示time-tamp value。请参考这个[link]（http://stackoverflow.com/questions/10302261/forecasting-time-series-data） – dhinar

你得到的错误是因为'start'接受了'numeric '，而不是你输入的内容 – theArun

有没有办法将这些时间戳值添加到'开始'？becoz我想要这些时间戳值，因为我的x轴缩放到预测图上。希望你能明白我的观点 – dhinar

转换数据参差不齐时间[时间戳]系列常规时间系列：R

回答

相关问题