在 R 中使用 dplyr 处理回归模型的数据

Question

我有这样的数据。

library(lubridate)
set.seed(2021)
gen_date <- seq(ymd_h("2021-01-01-00"), ymd_h("2021-09-30-23"), by = "hours")
hourx <- hour(gen_date)
datex <- date(gen_date)
sales <- round(runif(length(datex), 10, 50), 0)*100
mydata <- data.frame(datex, hourx, sales)

head(mydata)
#       datex hourx sales
#1 2021-01-01     0  2800
#2 2021-01-01     1  4100
#3 2021-01-01     2  3800
#4 2021-01-01     3  2500
#5 2021-01-01     4  3500
#6 2021-01-01     5  3800

tail(mydata
#          datex hourx sales
#6547 2021-09-30    18  3900
#6548 2021-09-30    19  3600
#6549 2021-09-30    20  3000
#6550 2021-09-30    21  4700
#6551 2021-09-30    22  4700
#6552 2021-09-30    23  3600

我的任务是使用线性回归进行建模，但数据很棘手。假设我们有 1 月到 3 月的数据，我们需要这些数据来预测 4 月的数据。步骤如下：

• 我们使用1月和2月的数据作为自变量（X）和3月的数据作为因变量（Y）来建立回归模型，因为2月的天数最少，也就是28天，所以我们将1月和3月的数据分成28天天。

data_jan <- mydata[1:672,]
data_feb <- mydata[745:1416,]
data_mar <- mydata[1417:2088,]

• 使用 lm 函数建模回归

mydata_reg <- data.frame(x1 = data_jan$sales, 
                         x2 = data_feb$sales,
                         y = data_mar$sales)
model_reg <- lm(y~., data = mydata_reg)

• 获取模型后，我们使用 2 月和 3 月的新数据作为独立数据 (X)

mydata_reg_for <- data.frame(x1 = data_feb$sales, 
                             x2 = data_mar$sales)
pred_data_apr <- predict(model_reg, newdata = mydata_reg_for)

• 查看月份的长度，因为4月有30天，我们只得到28天的预测数据，所以我们仍然需要2天的数据来完成我们的预测。二月只有 28 天，所以我们使用三月的前两个日期，即“2021-03-01”和“2021-03-02”。现在，3 月有 31 天，那我们什么都不用做，只需加上“2021-03-29”和“2021-03-30”即可。

data_feb_add <- mydata[1417:1464,]
data_mar_add <- mydata[2089:2136,]
mydata_reg_add <- data.frame(x1 = data_feb_add$sales,
                             x2 = data_mar_add$sales)

• 之后，我们使用之前的 model_reg 函数进行建模并添加所有 4 月预测。

pred_data_apr_add <- predict(model_reg, newdata = mydata_reg_add)
data_apr <- c(as.numeric(pred_data_apr), as.numeric(pred_data_apr_add))

我的问题是我们如何使用 dplyr 包让这个过程每月自动运行？因为每个月都有不同的日子。我使用 2 月份的数据，因为它的天数最少。此条件也适用于其他月份。非常感谢。

Answer 1

您可以通过group_split简单地拆分数据

mydata %>%
  group_split(month(datex))

此代码会将mydata 拆分为 12 个列表，每个列表元素都是每 12 个月的数据帧

Answer 2

如果您想控制每个月（或每个月）之后的天数，您可以按日期而不是行号进行过滤。

我确信它可以整理得更多，但您只需将 forecast_date <- as.Date("2021-04-01") 更改为您想要预测的任何月份。

##set the forecast month. This should be straight forward to automate with a list or an increment
forcast_date <- as.Date("2021-04-01") # April

##get the forecast month length. This would be used for the data_feb_add and data_mar_add step.
forcast_month_length <- days_in_month(forcast_date) #30 days

##get dates for the previous 3 months
month_1_date <- forcast_date %m-% months(3)
month_2_date <- forcast_date %m-% months(2)
month_3_date <- forcast_date %m-% months(1)

##find the shortest month in that time range.
shortest_month <- min(c(days_in_month(month_1_date), 
                        days_in_month(month_2_date), 
                        days_in_month(month_2_date))) #28 days

##select the first 28 days (the shortest month) for each of the months used for the variables
data_month_1 <- mydata[mydata$datex %in% month_1_date:(month_1_date + shortest_month - 1),]
data_month_2 <- mydata[mydata$datex %in% month_2_date:(month_2_date + shortest_month - 1),]
data_month_3 <- mydata[mydata$datex %in% month_3_date:(month_3_date + shortest_month - 1),]

##select the number of days needed for each month for the forecast data (30 days for april)
month_2_forecast_length <- mydata[mydata$datex %in% month_2_date:(month_2_date + forcast_month_length - 1),]
month_3_forecast_length <- mydata[mydata$datex %in% month_3_date:(month_3_date + forcast_month_length - 1),]