给定一个具有多个键的 tsibble，tidyverts 是否能够使用每个时间序列的相应 lambda_guerrero 值对每个时间序列进行 box_cox()？

Question

我的问题是：如果我有一个包含多个键 (n_keys > 1) 和一个或多个键变量 (key_vars >= 1) 的 tsibble，tidyverts 套件是否能够使用每个时间序列的相应 lambda_guerrero 值对每个时间序列执行 box_cox 转换（每个时间序列一个 box_cox 转换）？下面是我（第一次）尝试一个最小可重现的例子。

例如：我想知道是否可以使用 tidyverts 套件执行“步骤 5”而不会收到错误。与其将 lambda1=0.36 应用于让步、一般和聚合，如“步骤 4”中所见，没有错误，我想将 0.25 应用于让步，0.66 应用于一般，0.36 应用于聚合，如果可能的话。

谢谢！

library(tidyverse) 
library(lubridate)
library(tsibble)
library(tsibbledata)
library(fabletools)
library(fable)
library(feasts)
library(distributional)

步骤一：一键，无需转换：

tsibbledata::PBS %>% summarize(Cost = sum(Cost)) %>% autoplot(Cost)

第二步：一键，带变换：

类似于 FPP3 第 3.1 章中的示例。供参考：https://otexts.com/fpp3/transformations.html

lambda1 <- tsibbledata::PBS %>% 
summarize(Cost = sum(Cost)) %>%
features(Cost, features = guerrero) %>% 
pull(lambda_guerrero) # [1] 0.3642197

tsibbledata::PBS %>% summarize(Cost = sum(Cost)) %>% autoplot(box_cox(Cost,lambda1))

第 3 步：三个键，无需转换：

tsibbledata::PBS %>% aggregate_key(Concession, Cost = sum(Cost)) %>% autoplot(Cost)

第 4 步：三个键，一个转换：

tsibbledata::PBS %>%
aggregate_key(Concession, Cost = sum(Cost)) %>% 
autoplot(box_cox(Cost,lambda1))

第五步：三个键，三个变换：

lambda2 <- tsibbledata::PBS %>% 
aggregate_key(Concession, Cost = sum(Cost)) %>%
features(Cost, features = guerrero) %>% 
pull(lambda_guerrero) # [1] 0.2518823 0.6577645 0.3642197

lambda2
A tibble: 3 x 2
Concession   lambda_guerrero
<chr*>                 <dbl>
1 Concessional           0.252
2 General                0.658
3 <aggregated>           0.364

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  autoplot(box_cox(Cost,lambda2)) # caused an error

Answer 1

您上次尝试的问题与输入到box_cox(Cost, lambda2) 的值的长度有关。 Cost 的长度为 612（3 个系列的 204 个观察值），lambda2 的长度为 3。因此 R 将尝试复制 lambda2 中的值以使长度匹配（称为“回收”）。

但是，在这种情况下它做错了。它匹配Cost[1] 与lambda2[1]（正确）、Cost[2] 与lambda2[2]（错误）、Cost[3] 与lambda2[3]（错误）、Cost[3] 与lambda2[1]（正确）等。 参数的正确回收是Cost[1:204]用lambda2[1]，Cost[205:408]用lambda2[2]，Cost[409:612]用lambda2[3]，所以我们需要保证这一点。

这可以通过rep(lambda2, each = 204) 完成，但是最好/最安全的方法是使用连接操作。这可确保参数匹配正确的系列（并防止出现行排序问题）。 下面的代码显示了如何使用left_join() 完成此操作，它将 lambda 值与基于 Concession 列的数据相匹配。 请注意，该图看起来不太好，因为转换（和数据）在非常不同的尺度上产生值。为了解决这个问题，我建议为每个系列生成不同的 y 轴刻度（如下所示）。

library(fpp3)
lambda2 <- tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  features(Cost, features = guerrero)

lambda2
#> # A tibble: 3 x 2
#>   Concession   lambda_guerrero
#>   <chr*>                 <dbl>
#> 1 Concessional           0.252
#> 2 General                0.658
#> 3 <aggregated>           0.364

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  # Add lambda to the dataset, matching based on the key variable
  left_join(lambda2, by = "Concession") %>% 
  autoplot(box_cox(Cost, lambda_guerrero))

tsibbledata::PBS %>%
  aggregate_key(Concession, Cost = sum(Cost)) %>%
  # Add lambda to the dataset, matching based on the key variable
  left_join(lambda2, by = "Concession") %>% 
  autoplot(box_cox(Cost, lambda_guerrero)) + 
  facet_grid(rows = vars(Concession), scales = "free_y")

^{由reprex package (v0.3.0) 于 2021-01-09 创建}