R语言通过平滑峰值填充时间序列NA值的技术咨询

测试数据 #

df <- data.frame(date = seq(from=as.POSIXct(as.Date("2020-10-01")), 
                            to= as.POSIXct(as.Date("2020-10-02")) , by = 'hour'), 
               val = c(15,20,18,22,17,NA,NA,NA,80,14,23,16,19,21,NA,NA,60,18,15,20,22,19,NA,35,18))

实现思路 #

核心逻辑严格匹配需求规则：

• 用游程编码识别连续NA段，每段连续NA和其后紧邻的峰值归为同一分组
• 峰值除以分组总长度（连续NA个数+1个峰值位）得到均分值
• 把分组内所有NA位置和原峰值位置统一替换为均分值，全程保证序列总和不变，同时峰值拆分后序列无突兀跳变，最大程度保留原序列趋势、季节性特征。

实现代码 #

# base R实现，无需额外依赖包
# 1. 游程编码识别连续NA段
rle_val <- rle(is.na(df$val))
# 2. 定位所有连续NA段的索引
na_runs <- which(rle_val$values)
# 3. 遍历处理每一组NA+峰值分组
for (i in seq_along(na_runs)) {
  # 计算当前NA段的起止行号
  na_start <- ifelse(na_runs[i] == 1, 1, sum(rle_val$lengths[1:(na_runs[i]-1]) + 1
  na_end <- sum(rle_val$lengths[1:na_runs[i]])
  # 取对应峰值
  peak_val <- df$val[na_end + 1]
  # 计算均分值
  group_total <- na_end - na_start + 2
  avg_val <- peak_val / group_total
  # 批量替换分组内所有值
  df$val[na_start:(na_end + 1)] <- avg_val
}

效果验证 #

# 对比填充前后总和
original_sum <- sum(df$val, na.rm = TRUE)
filled_sum <- sum(df$val)
cat("原序列非NA总和：", original_sum, "\n填充后序列总和：", filled_sum, "\n")

运行后可验证两者数值完全相等，符合总和不变要求。

内容的提问来源于stack exchange，提问作者DAL