使用 STL() 分解 xts 时间序列答案

【问题标题】：Decomposing an xts Time Serie with STL()使用 STL() 分解 xts 时间序列
【发布时间】：2019-07-30 12:58:11
【问题描述】：

我正在尝试分解 xts 时间序列并创建一个包含 2 列的数据框。

观察日期
分解时间序列的趋势值

基础数据框的结构如下：

Date        x     y        z
2016-01-01 40419.35 12595 3.20
2016-01-02 44283.35 13904 3.18
2016-01-03 36277.23 10355 3.50
2016-01-04 42545.05 11929 3.56
2016-01-05 42402.22 13737 3.08
2016-01-06 49919.22 13661 3.65
...
2018-12-30 48719.22 13563 3.65
2018-12-31 49919.22 13661 3.65

这是我到目前为止所做的。

#1. Creating an xts object with weekly frequency
TimeSeries <- xts(x=Data[,-1],order.by=as.Date(Data$Date,"%Y/%m/%d")) 
TimeSeriesWeekly <- period.apply(TimeSeriesWeekly, INDEX = endpoints(TimeSeriesWeekly, on = "weeks"), FUN = colSums) 
attr(TimeSeriesWeekly, 'frequency') <-52
TimeSeriesWeekly<-TimeSeriesWeekly[,1] #keeping only the X variable I want to decompose

#2. Converting to a TS object in order to apply stl() decomposition formula
TimeSeriesWeekly <- ts(TimeSeriesWeekly[,1],frequency=52)

#3. Decomposing the TS object and distilling the trend
TimeSeriesWeeklyDecomposed<-stl(TimeSeriesWeekly, s.window="periodic")
TimeSeriesWeeklyTrend     <- as.data.frame(TimeSeriesWeeklyDecomposed$time.series[,2])

我的问题是 TimeSeriesWeeklyTrend 数据框不包含日期变量。如何通过？

【问题讨论】：

您好！您能否发布您的数据的 dput()，以便我们给您一个可重复的答案？
@SantiagoCapobianco 感谢您的评论。我在上面发布了基本数据的样子。这有帮助吗？ dput() 函数创建了一个非常大的文件，我无法在此处发布:(
如果完整的数据集太大而无法发布，您可以提取一个代表问题的样本并dput 那
dput(head(Data)) 结构(list(Dat = structure(c(16898, 17616, 17026, 16959, 17629, 17123), class= "日期"), x= c(40419.35 ，44283.35，36277.23，42545.05，42402.22，49919.22），Y = C（12595，13904，10355，11929，13737，13661），Z = C（3.20915839618896，3.18493598964327，3.50335393529696，3.56652275966133，3.08671616801339，3.65414098528658）），row.names = c(NA, 6L), class= "data.frame")
我找到了解决办法，请问如何发布？

标签： r xts forecasting

【解决方案1】：

用下面的代码解决了问题：

#2. Converting to a TS object in order to apply stl() decomposition formula
ts_data  <- ts(as.numeric(TimeSeriesWeekly[,1]),frequency=52)

#3. Decomposing the TS object with STL()
TimeSeriesWeeklyDecomposed<-stl(ts_data , s.window="periodic")

#4 Appending it to the initial xts object
TimeSeriesWeekly <- merge(TimeSeriesWeekly,TimeSeriesWeeklyDecomposed$time.series[,2])
names(TimeSeriesWeekly)[ncol(TimeSeriesWeekly)]<-"Trend"

【讨论】：