Interpolate ежеквартально ежедневно временных рядов в матрице

я прочитал следующий пост, а также и связанные с них, и я нашел, что это очень полезно: Interpolate/Extend quarterly to monthly series Interpolate ежеквартально ежедневно временных рядов в матрице

У меня есть аналогичный, но более общее/расширенная проблема , который я до сих пор не понял, как решить. Получена матрица из семи временных рядов (с именем value1, ..., value7, ниже), включая квартальные данные для 63 дат, а также NA.

> str(test) 
'data.frame':  63 obs. of 8 variables: 
$ Date : Date, format: "2001-03-30" "2001-06-29" "2001-09-28" ... 
$ value1: num 320 181.1 19.7 133.1 160.6 ... 
$ value2: num 4741 4556 4115 3892 3605 ... 
$ value3: num 146.8 -163.9 73.2 111.6 210.5 ... 
$ value4: num -135 -383.3 104.3 74.7 -75.4 ... 
$ value5: num 21.6 20.2 NA NA NA ... 
$ value6: num -19.1 -82.4 85 134.6 111 ... 
$ value7: num -163 -215 -164 -137 -199 ... 


> test 
      Date value1 value2 value3 value4 value5 value6 value7 
1 2001-03-30 319.952 4740.905 146.756 -134.998 21.645 -19.0611 -162.713 
2 2001-06-29 181.103 4555.732 -163.867 -383.334 20.199 -82.3660 -215.105 
3 2001-09-28 19.724 4115.053 73.189 104.300  NA 84.9740 -164.073 
4 2001-12-31 133.134 3891.754 111.567 74.683  NA 134.6460 -136.974 
5 2002-03-28 160.564 3605.080 210.533 -75.351  NA 110.9770 -199.083 
6 2002-06-28 -111.902 3220.115 -107.759 -22.624  NA 408.4770 -172.327 
7 2002-09-30 -127.751 2962.472 -93.616 241.749  NA 687.2240 -195.772 
8 2002-12-31 -59.553 2697.029 -98.068 119.288  NA 903.8211 -137.965 
9 2003-03-31 86.427 2509.511 -78.662 -124.428  NA 1130.9380 -180.496 
10 2003-06-30 90.070 2554.473 -14.345 -66.764  NA 925.9010 -103.080 
11 2003-09-30 246.801 3000.005 0.001 -244.487  NA 1005.6370 -123.959 
12 2003-12-31 325.088 3519.168 388.592 129.915  NA 739.5460 -162.781 
13 2004-03-31 359.263 4041.043 206.260 -101.966  NA 745.8810 -202.047 
14 2004-06-30 367.347 4657.622 254.678 -59.913  NA 852.4181 -360.963 
15 2004-09-30 373.089 4943.322 263.395 -37.116  NA 857.8670 -406.748 
16 2004-12-31 351.817 5001.434 362.188 118.842  NA 663.5370 -470.379 
17 2005-03-31 287.224 4991.632 251.327 39.029 24.245 785.3220 -518.472 
18 2005-06-30 311.324 4989.710 265.163 11.546 25.653 676.1650 -303.265 
19 2005-09-30 369.478 5273.006 429.086 133.030 30.615 667.2330 -362.296 
20 2005-12-30 482.974 5847.577 537.279 63.616 24.447 -265.5200 -329.140 
21 2006-03-31 432.157 5953.107 566.349 196.971 -4.915 -1807.2560 -310.326 
22 2006-06-30 295.014 5909.556 218.850 -6.842 -17.449 -1837.8140 -455.364 
23 2006-09-29 318.926 5714.423 230.185 14.135 -13.551 -1667.5960 -424.892 
24 2006-12-29 232.784 5649.147 271.616 142.736 46.000 2256.0000 -666.418 
25 2007-03-30 -190.000 5549.989 41.000 373.000 62.000 2674.0000 -586.000 
26 2007-06-29 -70.000 5642.622 -635.000 -412.000 80.000 3943.0000 -414.000 
27 2007-09-28 153.000 5873.000 223.000 168.000 76.000 3807.0000 -419.000 
28 2007-12-31 234.000 5858.000 61.000 -153.000 76.000 3380.0000 -266.000 
29 2008-03-31 83.000 6112.000 16.000 110.000 86.000 3534.0000 -323.000 
30 2008-06-30 -18.000 6165.000 -242.000 -82.000 91.000 3694.0000 -106.000 
31 2008-09-30 426.000 6404.000 -216.000 -497.000 87.000 3799.0000 -82.000 
32 2008-12-31 -237.000 5808.000 -250.000 110.000 88.000 3680.0000 -113.000 
33 2009-03-31 -18.000 5498.000 -391.000 -252.000 94.000 2844.0000 -84.000 
34 2009-06-30 33.000 5320.000 -144.000 -120.000 102.000 3107.0000 -112.000 
35 2009-09-30 205.000 4919.000 -142.000 -288.000 110.000 3059.0000 -97.000 
36 2009-12-31 1572.000 5403.000 1150.000 -361.000 116.000 1884.0000 -174.000 
37 2010-03-31 282.000 5800.000 23.000 -237.000 46.000 672.0000 -48.000 
38 2010-06-30 221.000 6269.000 -98.000 -279.000 52.000 684.0000 -31.000 
39 2010-09-30 217.000 6491.000 -124.000 -343.000 53.000 671.0000 -31.000 
40 2010-12-31 511.000 6494.000 -213.000 -647.000 37.000 632.0000 -38.000 
41 2011-03-31 142.000 6533.000 -168.000 -326.000 45.000 485.0000 -38.000 
42 2011-06-30 185.000 6454.000 174.000 17.000 45.000 338.0000 -67.000 
43 2011-09-30 217.000 6526.000 189.000 -5.000 39.000 203.0000 -58.000 
44 2011-12-30 140.000 6568.000 187.000 63.000 41.000 102.0000 -87.000 
45 2012-03-30 -517.000 6540.000 107.000 384.000 41.000 306.0000 -40.000 
46 2012-06-29 142.000 6379.000 81.000 -49.000 41.000 262.0000 -39.000 
47 2012-09-28 -65.000 5958.000 -240.000 -185.000 42.000 560.0000 -32.000 
48 2012-12-31 -356.000 5422.000 -286.000 82.000 43.000 859.0000 -22.000 
49 2013-03-28 -32.000 4925.000 -155.000 -159.000 43.000 861.0000 -20.000 
50 2013-06-28 30.000 4673.000 -35.000 -8.000 40.000 930.0000 -28.000 
51 2013-09-30 152.000 4865.000 21.000 -61.000 46.000 868.0000 -15.000 
52 2013-12-31 189.000 5299.000 21.000 -128.000 43.000 871.0000 -21.000 
53 2014-03-31 102.000 5608.000 -204.000 -277.000 46.000 1156.0000 -21.000 
54 2014-06-30 116.000 5888.000 -28.000 -118.000 46.000 1262.0000 -23.000 
55 2014-09-30 112.000 5856.000 18.000 -65.000 42.000 1270.0000 -29.000 
56 2014-12-31 -282.000 5506.000 116.000 170.000 40.000 1172.0000 -22.000 
57 2015-03-31 -91.000 5139.000 -172.000 -129.000 40.000 1362.0000 -22.000 
58 2015-06-30 -92.000 4640.000 -57.000 55.000  NA 1440.0000 -17.000 
59 2015-09-30 -116.000 4272.000 -59.000 64.000  NA 1505.0000 -25.000 
60 2015-12-31 -15.000 3991.000 53.000 112.000  NA 1477.0000 -32.000 
61 2016-03-31 -35.000 3793.000 -42.000 19.000  NA 1520.0000 -26.000 
62 2016-06-30 25.000 3878.000 -85.000 -67.000  NA 1281.0000 -21.000 
63 2016-09-30 -260.000 4124.000 29.000 67.000  NA 374.0000 -9.000

Я хочу интерполировать ежедневные значения (выход будет включать в себя 5664 дней в общей сложности), с помощью кубического сплайна или линейной зависимость. Решение, приведенное в ссылке выше, является хорошим, но оно работает только в том случае, если я применяю его в каждом временном ряду отдельно, к которому мне всегда нужно связывать столбец «Дата»: (Дата, значение1); (Дата, значение2); ..., как показано ниже, что довольно много времени:

DateSeq <- seq(test$Date[1],tail(test$Date,1),by="1 day") 
test1 <- test[1:2] 
test2 <- test[c(1,3)] 
... 
test1Daily <- data.frame(test=DateSeq, Interp.Value=spline(test1, method="natural", xout=DateSeq)$y) 
test2Daily <- data.frame(test=DateSeq, Interp.Value=spline(test2, method="natural", xout=DateSeq)$y) 
... 
merge1 <- merge(test1, testDaily1, by='Date', all.y = T) 
merge2 <- merge(test2, testDaily2, by='Date', all.y = T) 
...

... затем, наконец, объединить все объединенные переменные выше. Кто-нибудь знает, как применить интерполяцию один раз ко всей матрице (что означает каждый столбец или временной ряд)?

Большое спасибо заранее.

источник

2016-10-26 stem

Я нашел следующее решение и способ его построения, чтобы убедиться, что все работает хорошо. Надеюсь, это может быть полезно для других!

test_z1 <- zoo(test, order.by = test$Date, frequency = 1) 
test_t1 <- as.ts(x=test_z1) 
test_t2 <- as.zoo(test_t1) 
index(test_t2) <- as.Date(index(test_t2), origin = '1970-01-01') 
test_t2_ncol <- test_t2[,-c(1)] 
test_g <- na.spline(test_t2_ncol)

Теперь я ставлю вместе каждый раз ряд («значение1, значение2, ...», в «тесте») со своими собственными интерполированными временными рядами в «test_g», и сюжете их проверить на глазе доброты от интерполяции:

interp_val1 <- test_g[,-c(2:7)] 
orig_val1 <- test[,-c(3:8)] 
orig_val1_z <- read.zoo(orig_val1) 
merge_val1 <- merge(orig_val1_z, interp_val1) 
options(stringsAsFactors = FALSE) # to avoid conversion to factors 
merge_val1_df <- data.frame(Date=time(merge_val1), merge_val1, check.names=FALSE, row.names=NULL) 
plot(merge_val1_df$orig_val1_z, lwd=2) 
lines(merge_val1_df$interp_val1, lwd=1, col="green")

Кажется, что интерполяция работает хорошо!

источник

2016-10-27 12:56:59 stem

Interpolate ежеквартально ежедневно временных рядов в матрице

ответ

Смежные вопросы