使用nycflight13数据时，autolayer无法接收过滤后temp对象问题求助

错误原因 #

原代码中autolayer(meanf(temp, h=20))的写法不符合fpp3的语法规则：meanf()（fable包中的时序预测函数）需要先传入tsibble数据源，再指定要预测的变量，而不是直接引用变量名。管道传递的tsibble没有被meanf()感知到，导致temp变量找不到。

修复方案1：用.指代管道传递的数据源 #

直接在meanf()中用.代表前面管道传过来的过滤后tsibble，明确指定数据源和预测变量：

weather_tsbl %>%
  filter(origin == "EWR") %>%
  autoplot(temp) +
  autolayer(meanf(., temp, h=20), series="Mean", PI=FALSE)

修复方案2：遵循fpp3标准工作流（推荐） #

先拟合模型、生成预测，再叠加到原始数据的图上，这种写法更清晰，也方便扩展多个模型：

# 过滤出EWR站点数据
ewr_weather <- weather_tsbl %>% filter(origin == "EWR")

# 绘制原始数据 + 均值预测
ewr_weather %>%
  autoplot(temp) +
  autolayer(forecast(model(ewr_weather, MEAN(temp)), h=20), series="Mean", PI=FALSE)

扩展：添加朴素法、漂移法图层 #

如果要同时叠加多种预测模型，按同样逻辑扩展即可：

ewr_weather %>%
  autoplot(temp) +
  # 均值预测
  autolayer(forecast(model(ewr_weather, MEAN(temp)), h=20), series="Mean", PI=FALSE) +
  # 朴素法预测
  autolayer(forecast(model(ewr_weather, NAIVE(temp)), h=20), series="Naive", PI=FALSE) +
  # 漂移法预测
  autolayer(forecast(model(ewr_weather, RW(temp ~ drift())), h=20), series="Drift", PI=FALSE) +
  labs(title = "EWR站点温度预测", y = "温度", x = "时间")

内容的提问来源于stack exchange，提问作者marano.on.ig