R语言：如何利用累计值插补连续缺失的日度观测值？

当然可以利用已知的准确累计值插补，这是比样条、SARIMA或神经网络更可靠的选择——毕竟真实的累计数据没有模型假设带来的误差，完全没必要舍近求远。

针对你的示例数据：

data <- data.frame(time=c(1:10), value=c(22,15,24,28,NA,NA,87,18,22,24))

这里time=7的87对应time=5和time=6两天的累计值，下面是具体的R实现步骤：

1. 定位缺失区间与对应累计值 #

先标记缺失位置，找到连续缺失的日期范围，再匹配后面的累计值：

# 标记缺失值
data$is_missing <- is.na(data$value)
# 给连续缺失/非缺失的块分组
data$block <- cumsum(c(1, diff(data$is_missing) != 0))

# 提取所有连续缺失的块信息
missing_blocks <- aggregate(time ~ block, data = data[data$is_missing, ], 
                            FUN = function(x) c(start = min(x), end = max(x)))
missing_blocks$start_time <- missing_blocks$time[,1]
missing_blocks$end_time <- missing_blocks$time[,2]
missing_blocks$time <- NULL

# 匹配每个缺失块对应的累计值（就是缺失块结束后的第一个非缺失值）
missing_blocks$total <- sapply(missing_blocks$end_time, function(x) data$value[x+1])

2. 拆分累计值到缺失日期 #

因为你提到连续两日数值相同的情况极少，这里先按均分处理（如果有历史数据，也可以按前几日的数值比例拆分，更贴合实际）：

# 计算每日插补值：累计值 / 缺失天数
missing_blocks$daily_val <- missing_blocks$total / (missing_blocks$end_time - missing_blocks$start_time + 1)

# 将插补值填回原数据
for(i in 1:nrow(missing_blocks)){
  data$value[data$time >= missing_blocks$start_time[i] & data$time <= missing_blocks$end_time[i]] <- missing_blocks$daily_val[i]
}

# 清理辅助列
data <- data[, !names(data) %in% c("is_missing", "block")]

运行后，time=5和time=6的value会被设为43.5，符合你的数据需求。

关于其他方案的说明 #

• 只有当你没有准确累计值可用时，才考虑样条插值、SARIMA或神经网络这类方法——这些方法依赖数据规律的假设，误差必然比用真实累计值插补大。
• 绝对不建议删除该观测值，你手里的累计值是有效信息，删除只会损失数据质量。

内容的提问来源于stack exchange，提问作者wernor