如何在R语言中将含YearMonth列的数据框转换为时间序列

嘿，我懂你的困扰了——用YYYYMM这种年月数值格式转时间序列做ARIMA，确实比普通的日期字段要绕一点，毕竟大部分教程都是针对具体日期的。下面给你两种实用的解决方法，都是我平时处理这类数据常用的：

方法一：基于zoo包修正你的原有代码 #

你之前用read.zoo出错，大概率是因为没告诉它怎么解析201701这种数值格式的年月。zoo包里的yearmon类型专门用来处理年月粒度的数据，我们可以先把YearMonth转换成这种类型，再转成ARIMA需要的ts对象：

# 你的原始数据集（我把多余的year列去掉了，因为YearMonth已经包含年信息啦）
dataset <- data.frame(YearMonth = c(201701,201702,201703,201704), sales = c(100,200,300,400))

library(zoo)
# 第一步：把YearMonth转成字符，再用as.yearmon识别成年月格式
dataset$year_month <- as.yearmon(as.character(dataset$YearMonth), format = "%Y%m")

# 第二步：生成zoo对象，再转成ts时间序列
zoo_data <- zoo(dataset$sales, order.by = dataset$year_month)
ts_data <- as.ts(zoo_data)

# 看看结果，已经是月度频率的时间序列了
ts_data

方法二：用lubridate包更直观处理 #

如果你对yearmon不太熟悉，也可以用lubridate把YYYYMM转成每月第一天的具体日期，再生成时间序列，逻辑更直观：

library(lubridate)
library(forecast) # 做ARIMA预测必备的包

# 把YYYYMM转成每月1号的日期
dataset$date <- ymd(paste0(dataset$YearMonth, "01"))

# 直接生成ts对象：指定起始年份月份，频率设为12（月度数据）
ts_data <- ts(dataset$sales, start = c(2017, 1), frequency = 12)

# 现在就可以跑ARIMA预测了
arima_model <- auto.arima(ts_data)
# 预测未来3个月的销量
forecast_result <- forecast(arima_model, h = 3)
plot(forecast_result)

几个关键提醒 #

• 不用保留单独的year列，YearMonth已经包含了年和月的信息，多了反而容易混淆
• 生成ts对象时一定要把frequency设对：月度数据填12，季度填4，这样ARIMA才能识别数据的周期规律
• 如果你的年月数据是连续无缺失的，直接用ts()指定起始时间和频率会比转zoo更省事

内容的提问来源于stack exchange，提问作者Akash