R语言将带产品标签的DataFrame转为时间序列用于药品需求预测

项目基础要求 #

• 核心目标：基于进口药品数据完成需求预测
• 原始数据：Excel格式进口台账，包含3个核心字段：进口日期、活性药用成分标签（产品编码）、进口数量
• 前置数据处理规则：
  1. 合并同一日期、同一产品编码的重复条目
  2. 处理完成的DataFrame需转换为按日期排序的时间序列格式，强制字段类型：产品编码为字符型、进口数量为数值型

前期落地遇到的问题 #

• 首次使用xts包做时间序列转换后，产品编码、进口数量均被识别为字符型，不符合字段类型要求
• 单时间序列表无法直接实现分产品独立预测，不确定是否需要拆分不同产品到独立表分别建模
• 尝试多种时间序列处理方案过程中出现多类报错：列名识别异常、日期解析失败、Croston方法调用报错等

已验证可行方案 #

• 先后测试两类时间序列处理路径：基于zoo包的as.yearmon/as.yearqtr时间格式转换方案、基于fpp3生态的tsibble结构化时间序列处理方案
• 最终通过循环调用croston函数，完成全部产品的间歇需求季度预测

待优化方向 #

• 适用于高频进口药品场景的更优预测方法
• 深度学习在药品需求预测场景的可落地方案

内容的提问来源于stack exchange，提问作者OzgenOzan