如何用 R 插值数据？答案

【问题标题】：How to interpolate data with R?如何用 R 插值数据？
【发布时间】：2021-08-05 17:32:18
【问题描述】：

我有一个如下所示的数据框：

z <- data.frame(ent = c(1, 1, 1, 2, 2, 2, 3, 3, 3), year = c(1995, 2000, 2005, 1995, 2000, 2005, 1995, 2000, 2005), pobtot = c(50, 60, 70, 10, 4, 1, 100, 105, 110))

如您所见，每个“ent”之间都有 5 年的差距。我想将数据插入到每个缺失的年份：1996、1997、1998、1999、2001、2002、2003、2004 并预测到 2006、2007 和 2008 年。有没有办法做到这一点？

任何帮助将不胜感激。

【问题讨论】：

您希望采用哪种类型的建模假设来填充缺失值？你只想要一个线性插值吗？然后你想对未来的价值做出什么样的假设？确实有统计建模问题，而不是 R 编程问题。
您对共享数据的预期输出是什么？
其实我得到了2个答案，两个都有用

标签： r dataframe interpolation

【解决方案1】：

我们可以使用complete扩展每个'ent'和'year'范围的数据，然后用na.approx插入'pobtot'中的缺失值

library(dplyr)
library(tidyr)
z %>% 
   complete(ent, year = 1995:2008) %>% 
   mutate(pobtot = zoo::na.approx(pobtot, na.rm = FALSE))

【讨论】：

【解决方案2】：

假设你想要线性插值，R 默认使用approx() 来处理这些事情，例如用于在绘图中绘制线条。我们也可以使用该函数来插入年份。但是，它不能外推，但我们可以使用 forecast::ets() 和默认设置来计算指数平滑状态空间模型。但是请注意，这也可能会产生负值，但 OP 并未说明在这种情况下需要什么。所以无论如何，我们可以采用by() 的方法：

library(forecast)
p <- 3  ## define number of years for prediction

res <- do.call(rbind, by(z, z$ent, function(x) {
  yseq <- min(x$year):(max(x$year) + p)  ## sequence of years + piction
  a <- approx(x$year, x$pobtot, head(yseq, -p))$y  ## linear interpolation
  f <- predict(ets(a), 3) ## predict `p` years
  r <- c(a, f$mean)  ## combine interpolation and prediction
  data.frame(ent=x$ent[1], year=yseq, pobtot=r)  ## output as data frame
}))

结果

res
#      ent year pobtot
# 1.1    1 1995   50.0
# 1.2    1 1996   52.0
# 1.3    1 1997   54.0
# 1.4    1 1998   56.0
# 1.5    1 1999   58.0
# 1.6    1 2000   60.0
# 1.7    1 2001   62.0
# 1.8    1 2002   64.0
# 1.9    1 2003   66.0
# 1.10   1 2004   68.0
# 1.11   1 2005   70.0
# 1.12   1 2006   72.0
# 1.13   1 2007   74.0
# 1.14   1 2008   76.0
# 2.1    2 1995   10.0
# 2.2    2 1996    8.8
# 2.3    2 1997    7.6
# 2.4    2 1998    6.4
# 2.5    2 1999    5.2
# 2.6    2 2000    4.0
# 2.7    2 2001    3.4
# 2.8    2 2002    2.8
# 2.9    2 2003    2.2
# 2.10   2 2004    1.6
# 2.11   2 2005    1.0
# 2.12   2 2006    0.4
# 2.13   2 2007   -0.2
# 2.14   2 2008   -0.8
# 3.1    3 1995  100.0
# 3.2    3 1996  101.0
# 3.3    3 1997  102.0
# 3.4    3 1998  103.0
# 3.5    3 1999  104.0
# 3.6    3 2000  105.0
# 3.7    3 2001  106.0
# 3.8    3 2002  107.0
# 3.9    3 2003  108.0
# 3.10   3 2004  109.0
# 3.11   3 2005  110.0
# 3.12   3 2006  111.0
# 3.13   3 2007  112.0
# 3.14   3 2008  113.0

我们可以在图中快速检查这一点，除了实体 2 的负值之外，它看起来很合理。

with(res, plot(year, pobtot, type='n', main='z'))
with(res[res$year < 2006, ], points(year, pobtot, pch=20, col=3))
with(res[res$year > 2005, ], points(year, pobtot, pch=20, col=4))
with(res[res$year %in% z$year, ], points(year, pobtot, pch=20, col=1))
abline(h=0, lty=3)
legend(2005.25, 50, c('measurem.', 'interpol.', 'extrapol.'), pch=20,
       col=c(1, 3, 4), cex=.8, bty='n')

【讨论】：