R语言时间序列差分计算问题：如何获取一阶与二阶差分？

针对你需要对data.frame排除指定列后计算一阶、二阶差分的需求，提供两种适配不同场景的实现方法：

方法1：生成单个差分向量（适配ACF等单变量时间序列函数） #

如果需要为每个目标列生成独立的向量（用于ACF/PACF等要求单变量输入的函数），可以直接从data.frame中提取列计算，避免eval(parse)这类易出错的写法：

# 定义目标列：排除第2、3列（也可直接使用你已有的city向量）
target_cols <- colnames(df)[-c(2, 3)]

# 推荐用列表存储结果，避免全局环境变量混乱
diff1_list <- list()
diff2_list <- list()

for (col in target_cols) {
  # 计算一阶差分，命名格式为"列名.diff1"
  diff1_list[[paste0(col, ".diff1")]] <- diff(df[[col]])
  # 计算二阶差分，命名格式为"列名.diff2"
  diff2_list[[paste0(col, ".diff2")]] <- diff(df[[col]], differences = 2)
}

# 若必须生成全局环境中的单个向量，使用assign（不推荐，易污染环境）
for (col in target_cols) {
  assign(paste0(col, ".diff1"), diff(df[[col]]))
  assign(paste0(col, ".diff2"), diff(df[[col]], differences = 2))
}

原代码问题说明 #

• 无需用eval(parse(text=city[x]))提取列，直接用df[[city[x]]]更安全高效
• assign的第一个参数应为你要生成的变量名（如paste0(city[x], ".diff1")），原代码中paste(df[x])是错误的写法

方法2：批量转换为时间序列计算差分（tseries包） #

如果不需要生成单个向量，仅需批量计算差分并保留数据集结构，可借助tseries包将数据转为时间序列后处理：

library(tseries)

# 提取目标列（排除第2、3列）
target_df <- df[, -c(2, 3)]

# 转换为时间序列对象（frequency根据你的数据频率调整，如月度数据设为12）
ts_data <- ts(target_df, frequency = 12)

# 计算一阶差分
diff1_ts <- diff(ts_data, differences = 1)
# 计算二阶差分
diff2_ts <- diff(ts_data, differences = 2)

# 可选：转回data.frame格式
diff1_df <- as.data.frame(diff1_ts)
diff2_df <- as.data.frame(diff2_ts)

这种方法会保留时间序列的属性，且批量处理所有目标列，适合后续整体分析。

内容的提问来源于stack exchange，提问作者user22570245