R - Pivot Прогноз Результат

Question

я следующие исходные данные:

Основываясь на последних 156 недель, я хотел бы сделать прогноз на ближайшие 52 недель. А следующий код работает отлично

my.ds <- myDS[1, -c(3,4,5,6)] #reading my source file 
my.start <- myDS[1, c(3)] 
my.product <- myDS[1, c("Product")] 
my.product <- myDS[1, c("Location")] 
my.result <- melt(my.ds, id = c("Product","Location")) 
my.result[order(my.result$variable),] 
my.ts <- ts(my.result$value, frequency=52, start=c(my.start,1)) 
my.fc <- forecast(my.ts, h=52) 
my.fc 

прогноз дает мне следующий вывод:

  Point Forecast  Lo 80  Hi 80  Lo 95  Hi 95 
2003.000  1637.7675 -8.610502 3284.146 -880.15039 4155.685 
2003.019  1453.9059 -195.169681 3102.981 -1068.13753 3975.949 
2003.038  8668.6921 7016.923492 10320.461 6142.53000 11194.854 
2003.058  5851.0741 4196.616771 7505.531 3320.79997 8381.348 
2003.077  4333.9240 2676.782333 5991.066 1799.54453 6868.303 
2003.096  4284.5899 2624.768291 5944.412 1746.11178 6823.068 

То, что я хотел бы сделать сейчас:

1. Добавить продукт & Расположение назад в этом наборе результатов
2. Добавить вычисляемую колонку: (Привет 95) - (Точечный прогноз) (Мне нужна эта колонка с точечным прогнозом)
3. Pivot назад таблицу следующим образом

Пробовал Reshape здесь, но на самом деле не знаете, как выполнить это, так как результат не представляется в виде таблицы.

Link to download source file in csv

Answer 1

После действительно дает нужный мне результат:

library(forecast) 
library(reshape) 
library(plyr) 

#exclude non required columns 
my.ds <- myDS[, -c(3,4,5,6)] 
#set the required date, Product, Location 
my.start <- myDS[1, c(3)] 
my.product <- myDS[1, c("Product")] 
my.location <- myDS[1, c("Location")] 
#unpivot the table 
my.result <- melt(my.ds, id = c("Product","Location")) 
#run forecasting 
# set the CIs we want to use here, so we can reuse this vector 
cis <- c(80, 95) 
# generate the forecast using those ci levels 
my.ts <- ts(my.result$value, frequency=52, start=c(my.start,1)) 
f <- forecast(my.ts, h=52, level=cis) 
# make a data frame containing the forecast information, including the index 
z <- as.data.frame(cbind(seq(1:52), 
        f$mean, 
        Reduce(cbind, lapply(seq_along(cis), function(i) cbind(f$lower[,i], f$upper[,i]))))) 
# give the columns better names 
names(z) <- c("index", "mean", paste(rep(c("lower", "upper"), times = length(cis)), rep(cis, each = 2), sep = ".")) 
# manipulate the results as you describe 
zw <- z %>% 
    # keep only the variable you want and its index 
    mutate(sssf = upper.95 - mean) %>% 
    select(index, mean, sssf) %>% 
    # add product and location info 
    mutate(product = my.product, 
    location = my.location) %>% 
# rearrange columns so it's easier to read 
select(product, location, index, mean, sssf) 
zw <- melt(zw, id.vars = c("product", "location", "index"), measure.vars = c("mean","sssf")) 
data.set <- cast(zw, product + location ~ index + variable, value = "value")