R - 时间序列分析

时间序列是一系列数据点，其中每个数据点都与一个时间戳相关联。一个简单的例子是股票市场中某只股票在给定日期的不同时间点的价格。另一个例子是某一地区不同月份的降雨量。R 语言使用许多函数来创建、操作和绘制时间序列数据。时间序列的数据存储在一个名为时间序列对象的 R 对象中。它也是一个 R 数据对象，如向量或数据框。

时间序列对象是使用ts()函数创建的。

语法

时间序列分析中ts()函数的基本语法如下：

timeseries.object.name <-  ts(data, start, end, frequency)

以下是所用参数的描述：

data 是一个包含时间序列中使用的值的向量或矩阵。
start 指定时间序列中第一个观测值开始时间。
end 指定时间序列中最后一个观测值结束时间。
frequency 指定每个时间单位的观测次数。

除“data”参数外，所有其他参数都是可选的。

示例

考虑从 2012 年 1 月开始某地的年降雨量详情。我们为 12 个月创建一个 R 时间序列对象并将其绘制出来。

实时演示

# Get the data points in form of a R vector.
rainfall <- c(799,1174.8,865.1,1334.6,635.4,918.5,685.5,998.6,784.2,985,882.8,1071)

# Convert it to a time series object.
rainfall.timeseries <- ts(rainfall,start = c(2012,1),frequency = 12)

# Print the timeseries data.
print(rainfall.timeseries)

# Give the chart file a name.
png(file = "rainfall.png")

# Plot a graph of the time series.
plot(rainfall.timeseries)

# Save the file.
dev.off()

当我们执行上述代码时，它会产生以下结果和图表：

Jan    Feb    Mar    Apr    May     Jun    Jul    Aug    Sep
2012  799.0  1174.8  865.1  1334.6  635.4  918.5  685.5  998.6  784.2
        Oct    Nov    Dec
2012  985.0  882.8 1071.0

时间序列图表：

不同的时间间隔

ts() 函数中frequency参数的值决定了测量数据点的间隔。值 12 表示时间序列为 12 个月。其他值及其含义如下：

frequency = 12 将数据点固定在每年的每个月。
frequency = 4 将数据点固定在每年的每个季度。
frequency = 6 将数据点固定在每小时的每 10 分钟。
frequency = 24*6 将数据点固定在每天的每 10 分钟。

多个时间序列

我们可以通过将两个序列组合成一个矩阵，在一个图表中绘制多个时间序列。

实时演示

# Get the data points in form of a R vector.
rainfall1 <- c(799,1174.8,865.1,1334.6,635.4,918.5,685.5,998.6,784.2,985,882.8,1071)
rainfall2 <- 
           c(655,1306.9,1323.4,1172.2,562.2,824,822.4,1265.5,799.6,1105.6,1106.7,1337.8)

# Convert them to a matrix.
combined.rainfall <-  matrix(c(rainfall1,rainfall2),nrow = 12)

# Convert it to a time series object.
rainfall.timeseries <- ts(combined.rainfall,start = c(2012,1),frequency = 12)

# Print the timeseries data.
print(rainfall.timeseries)

# Give the chart file a name.
png(file = "rainfall_combined.png")

# Plot a graph of the time series.
plot(rainfall.timeseries, main = "Multiple Time Series")

# Save the file.
dev.off()

当我们执行上述代码时，它会产生以下结果和图表：

           Series 1  Series 2
Jan 2012    799.0    655.0
Feb 2012   1174.8   1306.9
Mar 2012    865.1   1323.4
Apr 2012   1334.6   1172.2
May 2012    635.4    562.2
Jun 2012    918.5    824.0
Jul 2012    685.5    822.4
Aug 2012    998.6   1265.5
Sep 2012    784.2    799.6
Oct 2012    985.0   1105.6
Nov 2012    882.8   1106.7
Dec 2012   1071.0   1337.8

多个时间序列图表：

打印页面