R语言ts函数月度时间序列统计异常问题求助

你当前的代码逻辑存在核心错误：ts()函数被直接用于转换每日数据，但frequency=12指定了序列为月度频率，这会让R把你的每日数据依次当成每个月的单个观测值（比如第1个值对应2014年1月、第2个值对应2014年2月……），完全没有执行月度汇总操作，所以结果自然和你预期的月度统计值不符。

解决步骤：先汇总月度数据，再转时间序列 #

需要先把每日的number按月份做统计（求和/均值等），得到月度层面的数据后，再转换为时间序列对象。

方法1：基础R实现 #

set.seed(1)
df <- data.frame(date_rec = seq(as.Date("2014-01-01"),as.Date("2015-12-31"), by=1),
                 number = sample(c(1:10),size = 730, replace=TRUE))

# 生成年份-月份的分组标识
df$year_month <- format(df$date_rec, "%Y-%m")
# 按月份汇总求和
monthly_data <- aggregate(number ~ year_month, data = df, sum)

# 转换为ts对象
start_year <- as.integer(substr(monthly_data$year_month[1], 1, 4))
start_month <- as.integer(substr(monthly_data$year_month[1], 6, 7))
df_ts <- ts(monthly_data$number, frequency = 12, start = c(start_year, start_month))

# 查看结果
df_ts

方法2：tidyverse工具链（更简洁） #

library(tidyverse)
library(lubridate)

set.seed(1)
df <- tibble(date_rec = seq(as.Date("2014-01-01"),as.Date("2015-12-31"), by=1),
             number = sample(c(1:10),size = 730, replace=TRUE))

# 按年、月分组求和
monthly_data <- df %>%
  mutate(year = year(date_rec), month = month(date_rec)) %>%
  group_by(year, month) %>%
  summarise(total_number = sum(number), .groups = "drop")

# 转换为ts对象
df_ts <- ts(monthly_data$total_number, frequency = 12, start = c(2014, 1))

# 查看结果
df_ts

运行后你会看到2014年1月的统计值变为该月所有number的总和（比如用set.seed(1)时结果为172），完全符合你“远超100”的预期。

内容的提问来源于stack exchange，提问作者Joep_S