Tidy Temporal Data Frames and Tools: tsibble

Tidy Temporal Data Frames and Tools: tsibble

tsibble Tidy Temporal Data Frames and Tools 项目地址: https://gitcode.com/gh_mirrors/ts/tsibble

1. 项目介绍

tsibble 是一个用于处理整洁时间序列数据的 R 语言包，它基于整洁数据原则，提供了一个数据和时间序列操作的框架。tsibble 的核心概念包括“索引”和“键”：

• 索引：具有内在顺序的时间变量，从过去到现在的顺序。
• 键：定义观测单位随时间变化的一组变量。每个观测应该通过“索引”和“键”唯一标识。

此外，tsibble 还提供了处理时间序列数据中的隐式缺失值、聚合时间周期等功能。

2. 项目快速启动

首先，您需要安装 tsibble 包。可以选择从 CRAN 安装稳定版本，或者从 GitHub 安装开发版本。

# 安装稳定版本
install.packages("tsibble")

# 安装开发版本
# install.packages("remotes")
# remotes::install_github("tidyverts/tsibble")

接下来，让我们通过一个例子来快速启动 tsibble：

library(dplyr)
library(tsibble)

# 加载 nycflights13 包中的 weather 数据
weather <- nycflights13::weather %>%
  select(origin, time_hour, temp, humid, precip)

# 将数据框转换为 tsibble
weather_tsbl <- as_tsibble(weather, key = origin, index = time_hour)
print(weather_tsbl)

这段代码将创建一个 tsibble 对象，其中 origin 作为键，time_hour 作为索引。

3. 应用案例和最佳实践

以下是一个如何使用 tsibble 来填充时间序列中缺失值的案例：

# 填充降水数据中的隐式缺失值
full_weather <- weather_tsbl %>%
  fill_gaps(precip = 0) %>%
  group_by_key() %>%
  tidyr::fill(temp, humid, .direction = "down")

print(full_weather)

在这个例子中，fill_gaps() 函数用于将降水中隐式的缺失值转换为显式的缺失值（填充为0），然后使用 tidyr::fill() 函数将温度和湿度中的 NA 值替换为前一个观测值。

4. 典型生态项目

tsibble 是 tidyverts 生态系统的一部分，以下是与 tsibble 相关的一些典型生态项目：

• tsibbledata：提供了一系列 tsibble 数据示例，以便探索 tsibble 对象。
• feasts：为可视化数据和支持提取时间序列特征提供了支持。
• fable：提供了常见的预测方法，如 ARIMA 和 ETS，用于 tsibble。
• fabletools：为 fable 提供了建模基础设施，以简化 tsibble 的编程。

以上就是关于 tsibble 的介绍、快速启动、应用案例以及其生态系统中的典型项目。希望这能帮助您开始使用 tsibble 进行时间序列数据分析。

tsibble Tidy Temporal Data Frames and Tools 项目地址: https://gitcode.com/gh_mirrors/ts/tsibble