RStudio中调用forecast函数触发ets()报错：y应为单变量时间序列

错误根源 #

你当前的ds1是包含年份+12个月数据的多列数据框，而forecast包的forecast()函数要求输入必须是单变量时间序列对象（比如R自带的ts类型），不是这种宽格式的多列结构，所以才会报y should be a univariate time series的错误。

修正步骤与代码 #

你需要先把宽格式的月度数据转换成长格式的单变量时间序列，具体操作如下：

1. 加载必要的包 #

如果还没安装tidyr包（用于转换数据格式），先执行安装命令，再加载所需包：

install.packages("tidyr")
library(tidyr)
library(forecast)

2. 读取数据并转换为长格式 #

把年份和12个月的列，转成「年份-月份」+「数值」的两列结构：

setwd("F:/Business Analytics/PowerBi/Data")
SF <- read.csv("test.csv", stringsAsFactors = F, header=T)
# 转长格式：保留Year列，将Jan-Dec列拆分为month（月份）和value（对应数值）两列
long_data <- pivot_longer(SF, cols = Jan:Dec, names_to = "month", values_to = "value")

3. 转换为时间序列对象（ts） #

根据数据的起始年份，生成对应的月度时间序列（频率设为12）：

# 合并年份与月份为日期格式，确定时间序列的起始点
long_data$date <- as.Date(paste(long_data$Year, long_data$month, "01", sep="-"), format="%Y-%b-%d")
# 生成ts对象：value是待预测的数值，start为起始年份+月份，frequency=12代表月度数据
ts_data <- ts(long_data$value, start = c(min(long_data$Year), 1), frequency = 12)

4. 生成预测并绘制折线图 #

现在可以正常使用forecast()函数生成预测并绘图：

# 预测未来12个月的数据，h参数指定预测期数
fc <- forecast(ts_data, h=12)
# 绘制预测折线图
plot(fc)

基础R替代方案（无需tidyr包） #

如果不想用tidyr，可以用基础R的reshape函数转换长格式：

long_data <- reshape(SF, direction = "long", varying = list(names(SF)[2:13]), 
                     v.names = "value", timevar = "month", times = names(SF)[2:13])

内容的提问来源于stack exchange，提问作者Shrikant Shirodkar