R使用fable和purrr为tsibble多序列按预设参数批量拟合ETS模型

问题原因 #

你遇到的两个报错/异常分别来自两个不同的错误用法：

1. 模型拟合返回NA：fable的ETS函数使用tidy非标准评估机制，你直接把变量trend.param/season.param传入trend()/season()时，函数会把变量名本身作为参数值，而不是读取变量存储的字符串，相当于实际运行的是trend("trend.param")，参数不合法导致拟合失败。
2. map_dfr调用报错：map系列函数默认遍历数据框的每一列，你把整个tsibble传给map_dfr时，相当于给自定义函数传入的是单个列向量，自然无法用[1, "RSSEAS"]取行列值。

解决方案 #

可以使用tsibble自带的分组机制+rlang注入运算符实现批量拟合，代码如下：

第一步：加载依赖包 #

library(tidyverse)
library(tsibble)
library(fable)

第二步：批量拟合与预测 #

推荐用更简洁的group_by_key+group_modify方案：

# 按tsibble预定义的key分组（每个分组对应一个SKU的全量数据+参数）
result <- test.data %>%
  group_by_key() %>%
  group_modify(~{
    # 提取当前分组的参数
    trend_p <- .x$RSTREND[1]
    season_p <- .x$RSSEAS[1]
    # 用!!注入参数实际值到ETS公式中
    .x %>%
      model(EXP = ETS(RSFQTY ~ trend(!!trend_p) + season(!!season_p))) %>%
      forecast(h = "3 years")
  })

运行后得到的result就是所有SKU的3年预测结果汇总表，自带分组键关联信息。

核心逻辑说明 #

• !!是rlang提供的注入运算符，作用是在公式执行前，把变量存储的实际值替换到表达式中，彻底解决非标准评估下变量识别错误的问题。
• group_by_key()是tsibble的内置方法，会自动按你数据集定义的key（RSLITM、RSSEAS、RSTREND、RSMODE）分组，不需要手动写分组变量，也避免遗漏参数维度。
• group_modify会将每个分组的数据作为.x传入处理函数，返回的预测结果会自动和分组键拼接，不需要手动合并结果。

内容的提问来源于stack exchange，提问作者LauraDR