如何在tsibble与fable中为非标准营业时间时序指定间隔/频率？

我完全理解你的困扰——处理这种“只包含工作日特定时段”的时序数据时，tsibble默认的时间周期逻辑确实会和我们的实际需求冲突。下面是针对你问题的具体解决方案：

核心问题分析 #

你遇到的报错本质是：SNAIVE(customers ~ lag("week"))中的"week"是基于tsibble默认的24小时/7天时间周期来计算的（即168小时的滞后），但你的实际序列每周只有50个有效数据点（5天×10小时），模型找不到对应的滞后点，因此误判为存在隐含时间缺口。手动修改interval属性没用，因为tsibble在后续函数执行时会重新自动计算时间间隔，覆盖你的手动设置。

解决方案步骤 #

1. 确保tsibble的时间索引是干净的

首先确认你的数据只包含周一至周五8:00-18:00的有效时间点，且相邻时间点的间隔严格为1小时（没有营业时间内的缺失）。用以下代码构建正确的tsibble：

library(tsibble)
library(lubridate)

# 假设你的原始数据框是df，包含datetime（时间列）和customers（顾客数）
df_ts <- df %>%
  # 确保时间列是标准datetime类型
  mutate(datetime = ymd_hms(datetime)) %>%
  # 转换为tsibble，指定datetime为索引
  as_tsibble(index = datetime)

# 检查营业时间内是否有数据缺失（返回FALSE则说明数据完整）
has_gaps(df_ts)

2. 用实际周期长度替代默认的"week"滞后

既然你的序列每周有50个有效数据点，直接在SNAIVE模型中指定滞后长度为50，而不是用"week"：

library(fable)

# 构建SNAIVE模型，指定滞后为每周的有效数据点数量（50）
model_fit <- df_ts %>%
  model(snaive = SNAIVE(customers ~ lag(50)))

进阶：用复合索引更清晰地定义周期

如果你希望更直观地体现“工作日+当日时段”的周期结构，可以构建复合索引，把时间拆分为年周和每周内的时段位置：

df_ts_custom <- df %>%
  mutate(
    # 提取工作日（周一为一周第1天）
    workday = wday(datetime, label = TRUE, week_start = 1),
    # 提取当日小时
    hour_of_day = hour(datetime),
    # 计算每周内的时段序号：周一8点=1，周一9点=2...周五18点=50
    week_hour = (as.integer(workday)-1)*10 + (hour_of_day - 7),
    # 提取年周作为分组键
    year_week = yearweek(datetime)
  ) %>%
  # 以年周为分组键，每周内的时段序号为索引
  as_tsibble(index = week_hour, key = year_week)

# 建模时同样指定滞后为50
model_fit_custom <- df_ts_custom %>%
  model(snaive = SNAIVE(customers ~ lag(50)))

为什么手动修改interval无效？ #

tsibble的interval属性是基于索引列自动推导的，手动修改后，后续的建模函数（如model()）会重新计算时间间隔，覆盖你的手动设置。因此必须通过调整索引结构或模型参数来适配你的非标准时序，而不是强行修改interval。

内容的提问来源于stack exchange，提问作者HeiN3r