r - 时间序列作为data.table中的 `ts`列？

Question

我有多组时间序列数据，希望能帮助您找到将其放入R并使用R分析它们的最佳方法。我对data.table非常熟悉，但对支持时间序列分析的R的ts类却不太熟悉。

特别是，我想知道在这种情况下如何使用 ts 或ts是否存在限制(例如，集合一组ts对象的问题)，使其适合在此处使用。

数据

有大量的商店。对于每个商店，我每天都有多个数据点，例如以美元为单位的销售额，以交易次数为单位的销售额和商店流量(进入商店的人数)。 (实际上，我有一个带有列商店ID，日期以及该商店和日期的数据的表。)

我一直在使用一个data.table，每个商店有一行，将每个商店的数据聚合成几个月，然后将每个月的值存储在单独的命名列中(例如jan14_dollars，feb14_dollars ...)，但这很笨拙由于很多原因，尤其是当我想查看几周或四分之一时。

我在想解决这个问题的正确方法是让列的类型为ts，因此每一行都只是store, dollars_ts, transactions_ts, traffic_ts，但(a)如何将数据转换为该格式，以及(b)可以将ts组合为整数的方式给我我想要的结果？ 如果您只能回答(a)或(b)，但不能同时回答两个，请回答。

我无法提供现实的数据集，但您可以像这样生成一个随机的数据集:

require("data.table")

storeData <- CJ(store = toupper(letters), date = seq(as.Date('2012-01-01'), as.Date('2014-01-01'), by="day"))
storeData$dollars = sample(100:100000, nrow(storeData), replace = TRUE)/100
storeData$transactions <- sample(0:1000, nrow(storeData), replace = TRUE)
storeData$traffic  <- storeData$transactions + sample(0:1000, nrow(storeData), replace = TRUE)

head(storeData)
   store       date  dollars transactions traffic
1:     A 2012-01-01   48.60          409     990
2:     A 2012-01-02  996.89           36     428
3:     A 2012-01-03   69.35          647    1103
4:     A 2012-01-04  334.56          953     973
5:     A 2012-01-05  692.99          958    1753
6:     A 2012-01-06  973.32          724    1086

分析

我想回答“有多少家商店的美元销售额出现正增长？”之类的问题。和“美元/交易的变化与流量的变化之间有关系吗？”并将数据分为多个时间段，并比较各个时间段的答案(例如，今年第一季度与去年第一季度)。

可以使用 ts 回答这些问题吗？如果是这样，我如何将这些数据放入一组适当的列中，或者我应该使用 data.table之外的某种结构？

请展示如何组织数据，然后如何使用数据回答以下示例问题:“与2014年1月相比，2014年1月有多少家商店的美元销售额出现正增长？”以及“过去3个月中每笔交易的总体趋势是什么？”

Answer 1

您在这里问了很多问题。我建议您花时间阅读data.table可以进行的所有涉及联接和汇总数据的事情。这是一个示例，说明您如何在第一季度获得每家商店的同比增长。

#get the first day of the first month for your binning
minDate<-min(storeData$date); month(minDate)<-1; day(minDate)<-1

#get the first day of the last month for your binning
maxDate<-max(storeData$date); month(maxDate)<-12; day(maxDate)<-1

#Build some bins
yearly<-data.table(leftBound=seq.Date(minDate,maxDate,by="year"))
quarterly<-data.table(leftBound=seq.Date(minDate,maxDate,by="3 months"))
monthly<-data.table(leftBound=seq.Date(minDate,maxDate,by="month"))

#Example for quarterly data
quarterly[, rollDate:=leftBound]
storeData[, rollDate:=date]

setkey(quarterly,"rollDate")
setkey(storeData,"rollDate")

temp<-quarterly[storeData, roll=TRUE] #associate each (store, date) pair with a quarter

#create a "join table" containing each quarter for each store
jt<-CJ(leftBound=quarterly$leftBound, store=unique(storeData$store))
setkey(temp,"leftBound","store")

dt<-temp[jt, allow.cartesian=TRUE]
dt[, `:=`(year=year(leftBound), quarter=quarter(leftBound))]

qSummary<-dt[,list(dollars=sum(dollars, na.rm=TRUE), 
         transactions=sum(transactions, na.rm=TRUE), 
         traffic=sum(traffic, na.rm=TRUE)),
   by=list(year,quarter,store)] #Summarize the data by quarter

#Get year/year growth for Q1
qSummary[,list(dollarGrowth = dollars[which(year==2014 & quarter==1)] / dollars[which(year==2013 & quarter==1)]), by=store]

 #First five rows...
    store dollarGrowth
 1:     A    0.0134860
 2:     B    0.0137215
 3:     C    0.0188249
 4:     D    0.0163887
 5:     E    0.0037576