时间序列缺少周末值并在图中保留日期

Question

我从2012-11-19到2017-10-16每天有1241个数据，但仅限于工作日（自助餐厅的服务数量）。我正在尝试预测，但我在初始化时间序列时遇到问题：

timeseries = ts(passage, frequency = 365,
   start = c(2012, as.numeric(format(as.Date("2012-11-19"), "%j"))),
   end = c(2017, as.numeric(format(as.Date("2017-10-16"), "%j"))) )

如果我喜欢这样，因为周末缺席，我的变量将在到达1241之后循环回来，一直到1791（相当于我的2日期之间的天数），如果我想制作火车时间序列，选择带有参数“end”的日期将使其与实际日期的数据不对应。

所以我可以克服这个问题吗？我知道我可以直接创建我的时间序列（并且我选择了正确的频率？，如果我将5或7轴放入很远的年份）

timeseries = ts(passage, frequency = 365)

但我失去了选择开始和结束日期的能力，并且无法在情节中看到该信息

编辑：我想把它保存到5天的每周数据的原因是因为当我绘制预测时，我没有在情节中获得大量的零

plot(forecast(timeseries_00))

像这样

Answer 1

如果我正确理解你的问题，这个可能是一个解决方案：

步骤1）我创建一个长度为1241的时间序列（段落）。

passage<-rep(1:1241)

"passage" time series

步骤2）我在一个矩阵中转换时间序列，其中每一列都是一个工作日（因为时间序列在星期一结束时增加4个零），之后我在矩阵中添加两个额外的列，零值（星期六和星期日） ，我回到使用函数unmatrix（包gdata）的时间序列，我删除了最后6个零（我自己添加4个，周日和周六列添加2个）

passage_matrix<-cbind(t(matrix(c(passage,c(0,0,0,0)),nrow = 5)),0,0)
library(gdata)
passage_00<-as.numeric(unmatrix( passage_matrix  ,byrow=T))
passage_00<-passage_00[1:(length(passage_00)-6)]

第3步）我创建了我的新时间序列

timeseries_00 = ts(passage_00, 
                   frequency = 365,
                   start = c(2012, as.numeric(format(as.Date("2012-11-19"), 
                   "%j"))))

步骤4）现在我能够用正确的日期标签绘制时间序列（仅在下面的例子中为工作日）

date<-seq(from=as.Date("2012-11-19"),by=1,length.out=length(timeseries_00))
plot(timeseries_00[timeseries_00>0],axes=F)
axis(1, at=1:length(timeseries_00[timeseries_00>0]), labels=date[timeseries_00>0])

"passage" time series with right date

步骤4）预测时间序列

for_00<-forecast(timeseries_00)

步骤5）我必须修改我的原始时间序列，以便在预测数据和原始数据之间具有相同的长度

length(for_00$mean) #length of the prediction 
passage_00extended<-c(passage_00,rep(0,730)) #Add zeros for future date
timeseries_00extended = ts(passage_00extended, frequency = 365,
                   start = c(2012, as.numeric(format(as.Date("2012-11-19"), "%j"))))
date<-seq(from=as.Date("2012-11-19"),by=1,length.out=length(timeseries_00extended))

步骤6）我必须修改预测数据以便具有相同长度的timeseries_00extended，所有伪数据（0值）在“NA”中更改

pred_mean<-c(rep(NA,length(passage_00)),for_00$mean) #Prediction mean
pred_upper<-c(rep(NA,length(passage_00)),for_00$upper[,2]) #Upper 95%
pred_lower<-c(rep(NA,length(passage_00)),for_00$lower[,2]) #Lower 95%
passage_00extended[passage_00extended==0]<-rep(NA,sum(passage_00extended==0))

步骤7）我在同一个图上绘制原始数据（passage_00extended）和预测（平均值[蓝色]和上限和下限[橙色]的颜色不同）

plot(passage_00extended,axes=F,ylim=c(1,max(pred_upper[!is.na(pred_upper)])))
lines(pred_mean,col="Blue")
lines(pred_upper,col="orange")
lines(pred_lower,col="orange")
axis(1, at=1:length(timeseries_00extended), labels=date)

Plot: Forecast