将分组tsibble转换为fable时的索引转换与可视化问题

背景 #

针对部门D、地点M的每小时退货量，基于《预测原理与实践》第3版的复杂季节性方法建模：

• 数据仅保留工作日8:00-17:00时段，转换为以Appt_Slot为时间索引的分组tsibble
• 拆分数据集：最后50个观测（对应5天数据）作为测试集，剩余数据用于建模
• 为适配傅里叶项，将训练集按分组建立行号索引t，构建含预约量的谐波回归ARIMA模型
• 用测试集生成预测结果（fable对象），但该对象以t为索引，无法直接与历史时间序列可视化

核心问题 #

直接使用update_tsibble()转换索引会将fable转为普通tsibble，丢失预测分布信息（如置信区间），导致绘图时出现美学映射错误，无法同时展示历史数据与预测结果。

解决方案 #

步骤1：关联时间索引与预测结果 #

从测试集中提取对应的Appt_Slot，与fable对象通过分组键和行号t关联，替换索引并保留fable属性：

# 假设：
# test_data：保留Appt_Slot的测试集tsibble（含Department、Location、Appt_Slot、t列）
# fable_pred：生成的预测fable对象（含Department、Location、t、.mean、.lower、.upper等列）

fable_pred_time <- fable_pred %>%
  # 关联测试集的时间索引
  left_join(test_data %>% select(Department, Location, Appt_Slot, t),
            by = c("Department", "Location", "t")) %>%
  # 移除行号索引t
  select(-t) %>%
  # 重新声明为fable对象，保留预测分布
  as_fable(
    response = Return_Volume,  # 替换为你的响应变量名
    distribution = distribution(Return_Volume),
    key = c(Department, Location),
    index = Appt_Slot
  )

步骤2：可视化历史数据与预测结果 #

结合训练集、测试集和更新后的fable对象绘图：

library(ggplot2)

training_data %>%
  ggplot(aes(x = Appt_Slot, y = Return_Volume)) +
  # 绘制历史训练数据
  geom_line(color = "gray50") +
  # 绘制测试集实际数据
  geom_line(data = test_data, color = "steelblue") +
  # 绘制预测均值
  geom_line(data = fable_pred_time, aes(y = .mean), color = "firebrick", linewidth = 1) +
  # 绘制预测置信区间
  geom_ribbon(data = fable_pred_time, aes(ymin = .lower, ymax = .upper), fill = "firebrick", alpha = 0.2) +
  # 按部门和地点分面
  facet_wrap(~Department + Location) +
  labs(x = "预约时段", y = "退货量", title = "每小时退货量预测")

关键说明 #

• as_fable()是核心操作：它能在替换索引后，重新保留fable对象的预测分布属性，避免转换为普通tsibble
• 关联时需确保分组键（Department、Location）和行号t完全匹配，防止索引错位

内容的提问来源于stack exchange，提问作者TK Tandy