如何将forecast::tsclean()的输出按时间关联至原始数据框？

我太懂你这头疼的点了——转成ts()对象清理异常值后，时间戳直接丢了，完全没法把清理后的数据和原始数据对应上。其实不用死磕怎么把时间戳塞进ts()里，我们有更省心的办法，既能用上tsclean()的异常值清理能力，又能牢牢保留原始时间戳：

方法1：直接把清理后的值合并回原始数据框 #

ts()对象是严格按照原始数据的顺序存储的，只要你没改动过原始数据框的行顺序，清理后的结果和原始数值列的顺序完全一致，直接把它作为新列加回去就行：

library(forecast)

# 假设你的原始数据框是df，包含POSIXct类型的timestamp列和数值列（比如叫value）
# 先把数值列转成ts对象，记得根据数据频率设置frequency参数：
# 例：小时数据frequency=24，日数据frequency=365，月数据frequency=12
ts_values <- ts(df$value, frequency = 24)

# 用tsclean()清理异常值
cleaned_values <- tsclean(ts_values)

# 把清理后的值合并回原始数据框，直接关联时间戳
df$cleaned_value <- cleaned_values

方法2：先识别异常值再手动替换（不用转ts对象） #

如果你不想折腾ts()转换，也可以用forecast包的tsoutliers()先识别异常值的位置和建议替换值，然后直接在原始数据框里操作，全程保留时间戳：

library(forecast)

# 识别异常值（同样需要设置对应的数据频率）
outlier_info <- tsoutliers(ts(df$value, frequency = 24))

# 在原始数据框中创建清理后的列，替换掉异常值
df$cleaned_value <- df$value
df$cleaned_value[outlier_info$index] <- outlier_info$replacements

关键注意事项 #

• 一定要正确设置ts()的frequency参数，它决定了tsclean()识别异常值的周期逻辑，设置错了会直接影响清理效果。
• 确保原始数据框的行顺序和转成ts()对象时的顺序完全一致，这样才能保证清理后的值和时间戳一一对应。

内容的提问来源于stack exchange，提问作者philiporlando