时间序列插值：月度数据转15天间隔日频数据

步骤1：转换日期格式 #

将原始数据中的date列从"月-年"格式转换为标准日期（约定为当月首日）：

library(lubridate)
# 解析"月-年"格式并转为日期类型，默认日为1
df$date <- parse_date_time(df$date, orders = "my") %>% as.Date()

步骤2：生成目标日期序列 #

按需求创建15天间隔的目标日期序列：

DateSeq <- data.frame(date = seq(as.Date("2016-09-01"), as.Date("2020-07-30"), by=15))

步骤3：创建含缺失值的数据框 #

合并原始数据与目标日期序列，得到包含所有目标日期、原始观测值（缺失值标记为NA）的数据框：

library(dplyr)
merged_df <- DateSeq %>% left_join(df, by = "date")

步骤4：执行线性插值（优先方案） #

使用approx()函数对sp1列做线性插值，填充缺失值：

merged_df$sp1_linear <- approx(x = merged_df$date, y = merged_df$sp1, xout = merged_df$date, method = "linear")$y

可选：三次插值实现 #

如果需要三次插值，可替换为以下方式：

# 方式1：使用approx的spline参数
merged_df$sp1_spline <- approx(x = merged_df$date, y = merged_df$sp1, xout = merged_df$date, method = "spline")$y

# 方式2：直接调用spline函数
spline_res <- spline(x = df$date, y = df$sp1, xout = merged_df$date)
merged_df$sp1_spline2 <- spline_res$y

结果示例 #

处理后的merged_df以日期为索引，包含原始观测值、线性插值结果和可选的三次插值结果，前几行输出如下：

head(merged_df)
#         date     sp1 sp1_linear sp1_spline sp1_spline2
# 1 2016-09-01 2.58868    2.58868    2.58868     2.58868
# 2 2016-09-16      NA    1.54941    1.78728     1.78728
# 3 2016-10-01 0.51014    0.51014    0.51014     0.51014
# 4 2016-10-16      NA   -0.15076   -0.20434    -0.20434
# 5 2016-11-01 -0.81165   -0.81165   -0.81165    -0.81165
# 6 2016-11-16      NA   -0.66870   -0.73105    -0.73105

内容的提问来源于stack exchange，提问作者kl40