R tsibble执行STL分解提示存在缺失值但日期列无缺失问题

问题根因 #

报错提示的「缺失值」不是指日期序列存在缺失，而是你要分解的目标列Cost.per.Complete.Payment存在空值：从你给出的数据集结构可以看到，第42行的Cost.per.Complete.Payment取值为NA，STL分解原生不支持输入序列包含缺失值，因此触发报错。

解决方案 #

方案1：缺失值插值填充后再分解 #

可以用插值工具补全缺失值，适合对数据连续性要求高的场景：

library(imputeTS)

# 线性插值补全缺失值
data_filled <- data_frame %>%
  mutate(Cost.per.Complete.Payment = na_interpolation(Cost.per.Complete.Payment))

# 再运行STL分解
data_filled %>%
  model(
    STL(Cost.per.Complete.Payment ~ trend(window = 7) +
          season(window = 'periodic'),
        robust = TRUE)) %>%
  components() %>%
  autoplot()

方案2：剔除包含缺失值的观测后再分解 #

如果缺失值占比极低（当前77条仅1条缺失），也可以直接删除缺失行，注意要保证剩余日期序列仍然连续：

data_dropna <- data_frame %>%
  filter(!is.na(Cost.per.Complete.Payment))

# 校验剩余序列是否连续，返回FALSE则代表无日期断层，可以继续分解
has_gaps(data_dropna)

# 运行STL分解
data_dropna %>%
  model(
    STL(Cost.per.Complete.Payment ~ trend(window = 7) +
          season(window = 'periodic'),
        robust = TRUE)) %>%
  components() %>%
  autoplot()

方案3：直接调用支持缺失值的STL参数 #

如果不想修改原始数据，可以直接传入na.action参数适配缺失值：

data_frame %>%
  model(
    STL(Cost.per.Complete.Payment ~ trend(window = 7) +
          season(window = 'periodic'),
        robust = TRUE,
        na.action = na.omit)) %>% # 自动跳过缺失值完成分解
  components() %>%
  autoplot()

内容的提问来源于stack exchange，提问作者hachiko