时间序列插值有哪些 R（或 Python）函数？
线性插值的基本示例：
Day x ---> Day x
1 4 1 4
2 NA 2 3
3 2 3 2
4 NA 4 4
5 NA 5 6
6 8 6 8
是否有使用移动平均线或类似函数进行插值的函数？
谢谢。
【问题讨论】：
标签： python r time-series interpolation moving-average
在 R 中，imputets 包中的 na.interpolation 函数可以使用线性、样条或 Stineman 方法进行插值。假设你的数据框叫dat，这里是一个进行线性插值的例子，这是na.interpolation函数的默认设置。
# Load package
library(imputeTS)
# View dat
dat
# Day x
# 1 1 4
# 2 2 NA
# 3 3 2
# 4 4 NA
# 5 5 NA
# 6 6 8
# Linear interpolation
dat$x <- na.interpolation(dat$x)
# View dat again
dat
# Day x
# 1 1 4
# 2 2 3
# 3 3 2
# 4 4 4
# 5 5 6
# 6 6 8
如果要使用样条 Stineman 插值方法，请将 option 参数更改为 spline 或 stine。
至于移动平均，我们可以使用zoo 包中的rollapply 函数。这是一个显示窗口宽度为 3 的移动平均线的示例。
# Load package
library(zoo)
# View dat
dat
# Day x
# 1 1 4
# 2 2 NA
# 3 3 2
# 4 4 NA
# 5 5 NA
# 6 6 8
# Create a new column with moving average with window = 3
dat$y <- rollapply(dat$x, width = 3, FUN = function(x) mean(x, na.rm = TRUE),
fill = NA, align = "center")
# View dat again
dat
# Day x y
# 1 1 4 NA
# 2 2 NA 3
# 3 3 2 2
# 4 4 NA 2
# 5 5 NA 8
# 6 6 8 NA
# Filling NA in x based on y
dat$x <- ifelse(is.na(dat$x), dat$y, dat$x)
# Remove y
dat$y <- NULL
# View dat again
# dat
# Day x
# 1 1 4
# 2 2 3
# 3 3 2
# 4 4 2
# 5 5 8
# 6 6 8
数据
dat <- read.table(text = "Day x
1 4
2 NA
3 2
4 NA
5 NA
6 8",
header = TRUE, stringsAsFactors = FALSE)
【讨论】：
在R 中，另一个选项是na.approx 来自zoo
library(zoo)
df1$x <- na.approx(df1$x)
df1$x
#[1] 4 3 2 4 6 8
【讨论】：
forecast 包。对于移动平均线，可以使用来自imputeTS 的na.ma，即na.ma(df1$x)
na.spline 使用季节性卡尔曼滤波器进行 NA 填充，na.StructTS 使用季节性卡尔曼滤波器进行 NA 填充。
在 numpy 中有简单的插值 numpy.interp()
如果 x 有 nan 值，我会使用代码，例如：
xnan = numpy.isnan(x)
x_interpolated = numpy.interp(Day, Day[~xnan], x[~xnan])
在您的第二组数字中，Days 是 1、2、2，... 也许它们应该与第一组相同。
听听如何（有效地）计算移动平均线会很有趣，是否有一些函数可以解决这个问题？
【讨论】：