基于ARIMA的R语言多商品时间序列预测：数据格式适配问题

报错原因 #

你遇到的Error: id variables not found in data: Code Article，核心问题是代码需要**商品唯一标识列（Code Article）**来区分不同商品，但当前数据要么是读入方式错误导致结构混乱，要么是原始CSV格式不符合分组建模的要求。

方案一：调整代码适配现有CSV（无需修改CSV） #

你的CSV是分号分隔，但读入时没指定分隔符，R默认用逗号拆分，所以才会变成单列。按以下步骤修正：

1. 正确读入CSV
   指定分号作为分隔符，把数据拆成多列：

   # 替换成你的文件路径
   df <- read.csv("sales_data.csv", sep = ";", header = TRUE, stringsAsFactors = FALSE)
   

   读入后应该是宽格式：第一列是日期，后续每一列对应一个商品的销量，列名最好是商品的Code Article编码。

2. 转成长格式（适配分组建模）
   用tidyr包把宽格式转成每行对应一个商品月度数据的长格式，生成Code Article列：

   library(tidyr)
   long_df <- pivot_longer(df,
                           cols = -日期,  # 排除日期列，其他列都是商品销量
                           names_to = "Code Article",  # 把原列名作为商品编码
                           values_to = "销量")
   

3. 分组拟合ARIMA并预测
   用dplyr和forecast包按商品分组，每个商品单独拟合ARIMA并生成18个月预测：

   library(dplyr)
   library(forecast)
   
   forecast_list <- long_df %>%
     group_by(`Code Article`) %>%
     mutate(
       # 转换为月度时间序列
       ts_data = list(ts(销量, start = c(year(min(日期)), month(min(日期))), frequency = 12)),
       # 自动选择最优ARIMA模型
       arima_model = list(auto.arima(ts_data[[1]])),
       # 生成18个月预测
       forecast_result = list(forecast(arima_model[[1]], h = 18))
     ) %>%
     ungroup()
   

方案二：规范CSV结构（更推荐，长期维护更省心） #

如果可以修改CSV，直接改成长格式，每一行对应一个商品的一个月销量，列结构如下（分号分隔）：

日期;Code Article;销量
2023-01-01;ART001;120
2023-01-01;ART002;85
2023-02-01;ART001;135
2023-02-01;ART002;90
...

这种格式读入后无需转换，直接就能用上面的分组建模代码，结构清晰，不容易出错。

内容的提问来源于stack exchange，提问作者Mekags