如何解决时间序列分析中重复的日期值？答案

【问题标题】：How to solve duplicate date values in Time Series Analysis?如何解决时间序列分析中重复的日期值？
【发布时间】：2022-08-11 15:32:15
【问题描述】：

我有一个包含多个日期值的数据框

用于我的时间序列分析。我想他们在一天中的不同时间取值，并将其写为日期。

因此，我正在考虑为这些值生成随机时间，例如 2016 年 9 月 9 日的第一个值将在晚上 9 点，第二个在下午 3 点，第三个在上午 9 点，第四个在凌晨 3 点（因为数据越来越老）。

最佳做法是什么？

所有日期都有 4 次出现或它的变量（如 \'9/7/2016\'）？
所有日期都有 4 次出现。他们每一个人。所以我认为他们以相当规则的顺序测量它
最佳实践可能在一定程度上取决于数据收集过程的细节。如果假设数据已定期收集（也在凌晨 3 点的夜间）是现实的，那么等距时间网格似乎是一个很好的解决方案。例如，如果在测量条件良好的情况下每天在气象站收集四次数据，那么测量时间可能会因天而异，最好对每天的观察结果进行平均。生成的数据系列将采用每日频率。可能还有更多场景……
@wel 您的数据源是否提供有关如何/何时测量这些雾度水平的任何信息？如果不是，那么确实相隔 6 小时似乎是最有可能的。是的，在同一天内对所有观察进行平均的“缺点”是丢失了所有日内变化（或者说高频信息）。如果您有兴趣预测下周典型日子的每日平均雾度水平，那么这可能不是问题。如果您对明天下午 3 点的雾度水平感兴趣，那么这些日内变化当然是相关的。
@HannoReuvers 没有数据解释。他们只是说“日期 - 日期”。由于这是一场 kaggle 比赛，我刚刚检查了 test.csv 文件，似乎他们只是希望我们仅按日期预测级别。所以现在我在想，也许平均是要走的路？因为如果我每天取 4 个不同的值，我最终会提交什么值？

【解决方案1】：

实际好的数据不可能（或极不可能）具有这样的值。你提到这是来自 Kaggle 比赛——我怀疑他们会把这类事情留给任何含糊不清的地方。

我在想的是你没有仔细阅读数据集。也许这是相同的日期，但变量不同？例如，也许他们在同一天测量了你的价值观，但在不同的领域？

在下结论之前，您可能需要检查您的其他专栏。

【讨论】：