使用dplyr管道按LSOA分组预测未来5个时间点数据

核心思路 #

借助dplyr的分组嵌套能力，结合forecast包的时间序列建模工具，为每个LSOA组单独拟合模型并生成未来5年的预测结果，全程用管道流实现。

完整可运行代码 #

假设你的数据集名为ts_data，包含LSOA（分组标识）、Date（日期列）、Value（数值列）：

library(dplyr)
library(tidyr)
library(forecast)
library(lubridate)

# 预处理：统一日期格式，按分组和日期排序
processed_data <- ts_data %>%
  mutate(Date = ymd(Date)) %>%
  arrange(LSOA, Date)

# 分组建模+预测全流程
forecast_results <- processed_data %>%
  group_by(LSOA) %>%
  nest() %>%
  mutate(
    # 为每组创建时间序列对象（frequency=1对应年度数据，按需调整：季度用4，月度用12）
    ts_obj = map(data, ~ ts(.x$Value, frequency = 1)),
    # 自动拟合最优ARIMA模型（可替换为ets()等其他模型）
    model = map(ts_obj, auto.arima),
    # 生成未来5年预测，h=5指定预测时间点数量
    forecast = map(model, forecast, h = 5),
    # 将预测结果转为数据框格式
    forecast_df = map(forecast, as.data.frame)
  ) %>%
  # 展开嵌套的预测结果，合并分组信息
  unnest(forecast_df) %>%
  # 生成对应预测日期（按原始数据最后日期往后推5年）
  mutate(
    Forecast_Date = map2(data, 5, ~ seq(last(.x$Date), by = "year", length.out = .y + 1)[-1]) %>% unlist()
  ) %>%
  # 按需选择输出列
  select(LSOA, Forecast_Date, Point.Forecast, Lo.80, Hi.80, Lo.95, Hi.95)

关键细节说明 #

• 时间序列频率设置：ts()函数的frequency参数必须匹配你的数据周期，错设会导致模型拟合失效。
• 模型替换：如果不想用ARIMA，把auto.arima换成ets（指数平滑）或其他时间序列模型即可，语法完全兼容。
• h参数的作用：forecast(model, h = 5)里的h就是你需要的预测时长，这里直接设为5对应未来5年，精准匹配需求。
• 日期对齐：通过seq()生成的日期序列，确保每个预测值对应正确的年份，避免出现日期和预测值不匹配的问题。

常见问题排查 #

• 嵌套操作报错时，检查每个LSOA组的观测值数量，至少需要3-5个数据点才能拟合有效模型。
• 日期生成异常时，确认Date列是标准日期格式，用ymd()/mdy()等函数统一转换后再操作。

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