如何用tidyverse正确透视表并修复NOAA的SOI、ONI数据读取错误

问题根因 #

你当前的代码存在三个核心错误导致首条记录和官方标注不符：

• 读取数据集时n_max参数设置过小，截断了前几年的有效数据，SOI直接跳过了1948-1950年的记录，导致首条数据从1951年开始
• 用filter删除值为-99.99/-99.90的行，这类值是NOAA官方定义的缺测标记，直接删除会导致时间序列行顺序错位
• R语言substr函数的字符串索引从1开始计数，你写的substr(year, 0, 4)属于不规范写法，部分场景下会出现年份解析错误
• 冗余的手动重构数据框操作会导致列错位，进一步放大数据偏移问题

修复后的完整代码 #

SOI数据集处理代码 #

library(tidyverse)
library(fpp3)

SOI <- read_table("https://psl.noaa.gov/data/correlation/soi.data",
                  skip = 1, 
                  n_max = 80, # 放大读取范围覆盖所有已发布年份
                  col_names = FALSE,
                  na = "-99.99") %>% # 读取时直接将缺测标记转为NA，避免删除行
  set_names(c('year', month.abb)) %>%
  pivot_longer(-year, 
               names_to = 'month',
               values_to = 'SOI') %>%
  mutate(
    year = as.integer(substr(year, 1, 4)), # 修正字符串索引参数
    YearMonth = yearmonth(paste(year, month))
  ) %>%
  select(YearMonth, SOI) %>% # 直接选择需要的列，避免手动重构数据框出错
  as_tsibble(index = YearMonth)

# 验证首条记录
head(SOI, 1)

运行后首条输出将对应1948年1月，SOI值为NA（对应官方标注的-99.99缺测值）。

ONI数据集处理代码 #

ONI <- read_table("https://psl.noaa.gov/data/correlation/oni.data",
                  skip = 1, 
                  n_max = 80,
                  col_names = FALSE,
                  na = "-99.90") %>%
  set_names(c('year', month.abb)) %>%
  pivot_longer(-year, 
               names_to = 'month',
               values_to = 'ONI') %>%
  mutate(
    year = as.integer(substr(year, 1, 4)),
    YearMonth = yearmonth(paste(year, month))
  ) %>%
  select(YearMonth, ONI) %>%
  as_tsibble(index = YearMonth)

# 验证首条记录
head(ONI, 1)

运行后首条输出将对应1950年1月，ONI值为-1.53，和官方标注一致。

核心修正点说明 #

• 取消filter删除缺测值的逻辑，改为读取时直接将缺测标记转为NA，保证时间序列的连续性
• 放大n_max参数取值，避免截断早期年份数据
• 删除冗余的手动数据框重构逻辑，用select直接筛选需要的列，避免列错位

内容的提问来源于stack exchange，提问作者Rodrigo H. Ozon