如何使用R对日期序列数据进行线性外推补全

方法一：基于dplyr+线性回归的优先实现 #

这种方法贴合dplyr的操作逻辑，通过拟合线性模型来外推缺失值：

步骤与代码 #

1. 加载所需包并准备数据

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

df <- tibble(
  pop = c(18968, 18956, 18946, 18934, 18923, 18912, 18901, NA, NA, NA, NA, NA),
  date = c("2020-01-01", "2020-02-01", "2020-03-01", 
           "2020-04-01", "2020-05-01", "2020-06-01", 
           "2020-07-01", "2020-08-01", "2020-09-01", 
           "2020-10-01", "2020-11-01", "2020-12-01")
) %>% 
  mutate(date = as_date(date))

2. 拟合线性模型并补全缺失值

# 用前7个月的有效数据拟合线性模型（将日期转为数值型作为自变量）
lm_model <- lm(pop ~ as.numeric(date), data = df %>% filter(!is.na(pop)))

# 对全量数据预测，替换缺失的pop值
df_complete <- df %>% 
  mutate(pop = ifelse(is.na(pop), predict(lm_model, newdata = .), pop))

说明 #

• 日期转为数值型是因为线性回归模型要求自变量为数值类型；
• predict()函数会自动对newdata中的每一行计算预测值，完美匹配原数据的行顺序。

方法二：使用Hmisc包的approxExtrap函数 #

针对你提到的approxExtrap，核心是理解xout参数：它指定需要生成外推值的所有x坐标点，具体实现如下：

步骤与代码 #

library(Hmisc)

# 提取已有数据的x（日期转数值）和y（pop）
x_observed <- df %>% filter(!is.na(pop)) %>% pull(date) %>% as.numeric()
y_observed <- df %>% filter(!is.na(pop)) %>% pull(pop)

# 生成全年所有日期对应的数值型x点（即xout参数需要的内容）
x_all <- df %>% pull(date) %>% as.numeric()

# 执行线性外推
extrap_results <- approxExtrap(x = x_observed, y = y_observed, xout = x_all)

# 将外推结果合并回原数据框
df_complete_approx <- df %>% 
  mutate(pop = extrap_results$y)

关键参数解释 #

• x：已有数据的自变量（这里是前7个月的日期数值）；
• y：已有数据的因变量（前7个月的pop值）；
• xout：你需要获取预测值的所有x点（这里是全年12个月的日期数值），函数会基于x和y的线性趋势，计算出xout每个点对应的y值，直接补全缺失部分。

内容的提问来源于stack exchange，提问作者dd_data