Nội suy của dữ liệu chuỗi thời gian với thời gian đầu ra cụ thể

Question

Tôi có cơ sở dữ liệu với dữ liệu thời gian. Tôi muốn nội suy các dữ liệu để mach e bước thời gian cụ thể.

Id Time     humid humtemp prtemp press  t 
1 2012-01-21 18:41:50  47.7 14.12 13.870 1005.70  -0.05277778 
1 2012-01-21 18:46:43  44.5 15.37 15.100 1005.20  0.02861111 
1 2012-01-21 18:51:35  43.2 15.88 15.576 1005.10  0.10972222 
1 2012-01-21 18:56:28  42.5 16.17 15.833 1004.90  0.19111111 
1 2012-01-21 19:01:21  42.2 16.31 15.986 1004.80  0.27250000 
1 2012-01-21 19:06:14  41.8 16.47 16.118 1004.60  0.35388889 
1 2012-01-21 19:11:07  41.6 16.51 16.177 1004.60  0.43527778 

Tôi muốn lấy dữ liệu với bước thời gian dưới đây làm nội suy.

Id     Time  humid humtemp prtemp press  t 
    1 2012-01-21 18:45:00 .... ...  ..... ....  .... 
    1 2012-01-21 18:50:00 ....  
    1 2012-01-21 18:55:00 ....  
    1 2012-01-21 19:00:00 ....  
    1 2012-01-21 19:05:00 ....  
    1 2012-01-21 19:10:00 ....  

Tôi đã thử với phương pháp khác nhưng tôi không tìm thấy giải pháp. Ví dụ tôi tạo đối tượng sở thú.

z <- zoo(MTS01m,order.by=MTS01m$Time) 
    tstart2<-asP("2012-01-21 18:45:00") 
    Ts<-1*60 
    y <- merge(z, zoo(order.by=seq(tstart2, end(z), by=Ts))) 
    xa <- na.approx(y) 
    xs <- na.spline(y) 

nhưng lỗi xảy ra:

Errore in approx(x[!na], y[!na], xout, ...) : 
    need at least two non-NA values to interpolate 
    Inoltre: Warning message: 
    In xy.coords(x, y) : si è prodotto un NA per coercizione 

tôi tạo ra một chỉ số t secundary rằng bắt đầu từ đâu tôi muốn có dữ liệu, nhưng tôi không biết làm thế nào để sử dụng chỉ số thid.

Bạn có đề xuất nào không?

Answer 1

Hãy thử điều này (giả sử chỉ số thời gian của bạn là POSIXct):

library(zoo) 
st <- as.POSIXct("2012-01-21 18:45") 
g <- seq(st, end(z), by = "15 min") # grid 
na.approx(z, xout = g) 

Xem ?na.approx.zoo để biết thêm i nfo.

Lưu ý: Kể từ khi câu hỏi đã không cung cấp dữ liệu ở dạng tái sản xuất chúng tôi làm như vậy ở đây:

Lines <- "Id date Time humid humtemp prtemp press t1 
1 2012-01-21 18:41:50  47.7 14.12 13.870 1005.70  -0.05277778 
1 2012-01-21 18:46:43  44.5 15.37 15.100 1005.20  0.02861111 
1 2012-01-21 18:51:35  43.2 15.88 15.576 1005.10  0.10972222 
1 2012-01-21 18:56:28  42.5 16.17 15.833 1004.90  0.19111111 
1 2012-01-21 19:01:21  42.2 16.31 15.986 1004.80  0.27250000 
1 2012-01-21 19:06:14  41.8 16.47 16.118 1004.60  0.35388889 
1 2012-01-21 19:11:07  41.6 16.51 16.177 1004.60  0.43527778" 

library(zoo) 
z <- read.zoo(text = Lines, header = TRUE, index = 2:3, tz = "") 
st <- as.POSIXct("2012-01-21 18:45") 
g <- seq(st, end(z), by = "15 min") # grid 
na.approx(z, xout = g) 

hiến:

    Id humid humtemp prtemp press   t1 
2012-01-21 18:45:00 1 45.62491 14.93058 14.66761 1005.376 -1.501706e-09 
2012-01-21 19:00:00 1 42.28294 16.27130 15.94370 1004.828 2.500000e-01 

Answer 2

Tôi không thể tìm thấy hàm trong gói xts (hoặc sở thú) gần đúng với ngày đã cho.

Vì vậy, ý tưởng của tôi là chèn NA vào ts gốc, cho các ngày đã cho.

ids <- as.POSIXct(align.time(index(dat.xts),60*5))  # range dates 
# I create an xts with NA 
y <- xts(x=matrix(data=NA,nrow=dim(dat.xts)[1], 
          ncol=dim(dat.xts)[2]), 
          order.by=ids) 
rbind(y,dat.xts) 

      humid humtemp prtemp press   t 
2012-01-21 18:41:50 47.7 14.12 13.870 1005.7 -0.05277778 
2012-01-21 18:45:00 NA  NA  NA  NA   NA 
2012-01-21 18:46:43 44.5 15.37 15.100 1005.2 0.02861111 
2012-01-21 18:50:00 NA  NA  NA  NA   NA 
2012-01-21 18:51:35 43.2 15.88 15.576 1005.1 0.10972222 
2012-01-21 18:55:00 NA  NA  NA  NA   NA 

Bây giờ bạn có thể sử dụng na.approx hoặc na.spline như thế này

na.approx(rbind(y,dat.xts))[index(y)] 
        humid humtemp prtemp press t 
2012-01-21 18:45:00 45.62 14.93 14.67 1005.38 0.00 
2012-01-21 18:50:00 43.62 15.71 15.42 1005.13 0.08 
2012-01-21 18:55:00 42.71 16.08 15.76 1004.96 0.17 
2012-01-21 19:00:00 42.28 16.27 15.94 1004.83 0.25 
2012-01-21 19:05:00 41.90 16.43 16.08 1004.65 0.33 
2012-01-21 19:10:00 41.65 16.50 16.16 1004.60 0.42 

Answer 3

Bạn có thể thấy quá trình này như sau:

1. Tạo một chuỗi b ased trên dữ liệu phạm vi.
2. Hợp nhất trình tự và dữ liệu.
3. Nội suy các giá trị: phương pháp hằng số hoặc tuyến tính.

Tạo tập dữ liệu:

data1 <- read.table(text="1 2012-01-21 18:41:50  47.7 14.12 13.870 1005.70  -0.05277778 
1 2012-01-21 18:46:43  44.5 15.37 15.100 1005.20  0.02861111 
1 2012-01-21 18:51:35  43.2 15.88 15.576 1005.10  0.10972222 
1 2012-01-21 18:56:28  42.5 16.17 15.833 1004.90  0.19111111 
1 2012-01-21 19:01:21  42.2 16.31 15.986 1004.80  0.27250000 
1 2012-01-21 19:06:14  41.8 16.47 16.118 1004.60  0.35388889 
1 2012-01-21 19:11:07  41.6 16.51 16.177 1004.60  0.43527778", 
col.names=c("Id","date","Time","humid","humtemp","prtemp","press","t1")) 
data1$datetime <- strptime(as.character(paste(d$date,d$Time, sep=" ")),"%Y-%m-%d %H:%M:%S") 

Thư viện zoo:

library(zoo) 

Bước 1:

# sequence interval 5 seconds 
seq1 <- zoo(order.by=(as.POSIXlt(seq(min(data1$datetime), max(data1$datetime), by=5)))) 

Bước 2:

mer1 <- merge(zoo(x=data1[4:7],order.by=data1$datetime), seq1) 

Bước 3:

#Constant interpolation 
dataC <- na.approx(mer1, method="constant") 

#Linear interpolation 
dataL <- na.approx(mer1) 

quán tưởng

head(dataC) 
        humid humtemp prtemp press 
2012-01-21 18:41:50 47.7 14.12 13.87 1005.7 
2012-01-21 18:41:55 47.7 14.12 13.87 1005.7 
2012-01-21 18:42:00 47.7 14.12 13.87 1005.7 
2012-01-21 18:42:05 47.7 14.12 13.87 1005.7 
2012-01-21 18:42:10 47.7 14.12 13.87 1005.7 
2012-01-21 18:42:15 47.7 14.12 13.87 1005.7 

head(dataL) 
         humid humtemp prtemp press 
2012-01-21 18:41:50 47.70000 14.12000 13.87000 1005.700 
2012-01-21 18:41:55 47.64539 14.14133 13.89099 1005.691 
2012-01-21 18:42:00 47.59078 14.16266 13.91198 1005.683 
2012-01-21 18:42:05 47.53618 14.18399 13.93297 1005.674 
2012-01-21 18:42:10 47.48157 14.20532 13.95396 1005.666 
2012-01-21 18:42:15 47.42696 14.22666 13.97495 1005.657