如何为R中dtwclust聚类准备不等长/异采样率时间序列

核心思路 #

dtwclust要求的tslist本质是每个元素对应一条时间序列的列表，每条序列可以是普通数值向量（因为你提到日期时间无关，仅保留数值的顺序即可）。我们只需要按时间序列的分组标识，把每组的数值提取出来组成列表即可。

假设数据结构 #

假设你的长格式data.table包含以下列：

• group_id: 区分不同时间序列的唯一标识
• minute_index: 分钟索引（用于保证数值顺序）
• value: 时间序列的观测值

示例数据：

library(data.table)
set.seed(123)
dt <- data.table(
  group_id = rep(c("seq1", "seq2", "seq3"), c(8, 12, 6)),
  minute_index = c(seq(0, 105, 15), seq(0, 330, 30), seq(0, 75, 15)),
  value = rnorm(26)
)

方法1：用data.table分组操作实现 #

这是最高效的方式，利用data.table的分组特性直接生成列表：

library(dtwclust)

# 先按分组和分钟索引排序，确保数值顺序正确
dt_sorted <- dt[order(group_id, minute_index)]

# 按group_id分组，提取每组的value并组成列表
ts_list <- dt_sorted[, list(ts = list(value)), by = group_id]$ts

# 验证结构：dtwclust会将此识别为有效的tslist
str(ts_list)

方法2：用lapply系列函数实现 #

如果你更熟悉基础R的循环操作，也可以用lapply完成：

# 获取所有唯一的分组标识
unique_groups <- unique(dt$group_id)

# 循环提取每个分组的value，并按分钟索引排序
ts_list <- lapply(unique_groups, function(g) {
  subset_dt <- dt[group_id == g]
  subset_dt_sorted <- subset_dt[order(minute_index)]
  subset_dt_sorted$value
})

# 可以给列表元素命名，方便后续识别
names(ts_list) <- unique_groups

关键说明 #

• 不需要使用tsibble：dtwclust不需要时间序列对象的时间戳信息，只要数值按顺序排列的向量即可满足聚类需求。
• 采样频率差异不影响：dtwclust的DTW算法本身支持不等长、不同采样频率的时间序列聚类，只要每条序列的数值顺序正确即可。

内容的提问来源于stack exchange，提问作者Meep