如何在R中实现不同长度时间序列的配对绘图与对比？

核心需求 #

将两个不同时间戳、不同采样频率的传感器时间序列（温度x_values、电压y_values）匹配，绘制电压随温度变化的特性曲线，替代手动选择时间窗口计算均值的繁琐方法。

可行方案与代码示例 #

1. 线性插值对齐（推荐，适配连续传感器数据） #

热电偶的温度与电压是连续关联的物理量，线性插值能在不丢失数据趋势的前提下，自动对齐两个序列的时间轴，无需手动设定窗口：

# 加载工具包
library(dplyr)
library(tidyr)
library(ggplot2)

# 生成包含所有时间戳的统一时间轴
all_times <- data.frame(datetime = sort(unique(c(x$x_datetime, y$y_datetime))))

# 合并两个数据集到统一时间轴
combined <- all_times %>%
  left_join(x, by = c("datetime" = "x_datetime")) %>%
  left_join(y, by = c("datetime" = "y_datetime"))

# 线性插值填充缺失值（rule=2表示边界值重复填充）
combined_interp <- combined %>%
  mutate(
    x_values = approx(datetime, x_values, datetime, rule = 2)$y,
    y_values = approx(datetime, y_values, datetime, rule = 2)$y
  )

# 绘制特性曲线
ggplot(combined_interp, aes(x = x_values, y = y_values)) +
  geom_point(size = 2, alpha = 0.7) +
  geom_line(color = "#E63946", linewidth = 1) +
  labs(x = "温度", y = "电压", title = "热电偶温度-电压特性曲线") +
  theme_minimal()

2. 最近邻匹配（适合离散采样场景） #

如果不希望使用插值（比如传感器数据是离散跳变的），可以为每个数据点匹配时间上最近的另一个序列的对应值：

library(data.table)
library(ggplot2)

# 转换为data.table提升匹配效率
setDT(x)
setDT(y)

# 为每个电压数据点匹配最近的温度值
y[, matched_temp := x[.SD, on = .(x_datetime = y_datetime), roll = "nearest", x_values]]

# 绘图
ggplot(y, aes(x = matched_temp, y = y_values)) +
  geom_point(size = 2, color = "#1D3557") +
  geom_line(color = "#457B9D", linewidth = 1) +
  labs(x = "温度（最近邻匹配）", y = "电压", title = "热电偶温度-电压特性曲线（最近邻匹配）") +
  theme_minimal()

3. 专业时间序列对齐（tsibble包） #

tsibble是专为时间序列设计的结构化数据工具，能更简洁地完成时间对齐与缺失值处理：

library(tsibble)
library(ggplot2)
library(zoo)

# 转换为tsibble时间序列对象
x_ts <- as_tsibble(x, index = x_datetime)
y_ts <- as_tsibble(y, index = y_datetime)

# 对齐时间轴并插值填充缺失值
aligned_ts <- full_join(x_ts, y_ts, by = "index") %>%
  fill_gaps() %>%  # 补全时间间隔
  mutate(
    x_values = na.approx(x_values),
    y_values = na.approx(y_values)
  )

# 绘图
ggplot(aligned_ts, aes(x = x_values, y = y_values)) +
  geom_point(size = 2, color = "#F1FAEE") +
  geom_line(color = "#A8DADC", linewidth = 1) +
  labs(x = "温度", y = "电压", title = "热电偶温度-电压特性曲线（tsibble对齐）") +
  theme_minimal() +
  theme(panel.background = element_rect(fill = "#1D3557"))

方案对比 #

• 线性插值：最贴合热电偶连续变化的物理特性，自动化程度高，无人工窗口选择成本
• 最近邻匹配：保留原始采样点，适合离散跳变的传感器数据
• tsibble包：适合复杂时间序列场景，支持更灵活的时间对齐规则

内容的提问来源于stack exchange，提问作者Jan