使用purrr的map()绘制时间序列遇错误及绘图异常求助

1. 先搞定最初的is.constant错误 #

你遇到的第一个错误，本质是map函数的遍历对象搞错了：当你直接对tbl_df用map时，它会默认遍历数据框的列，而不是你存放在tsdf$time_series里的时间序列列表元素。你后来提取tsdf$time_series来拟合是完全正确的，这一步已经解决了模型运行的问题。

2. 为什么绘图效果差？从这几个方向排查调整 #

方向一：优化y轴刻度与分面展示 #

如果你的89个时间序列取值范围差异很大，用统一的y轴刻度会让大部分序列看起来“扁平”，完全看不到趋势或波动。解决方法很简单：

• 用分面（facet）把每个时间序列单独放在子图里，并且让每个子图的y轴自由缩放。
• 举个ggplot2的示例（假设你把预测结果整理成了tidy格式）：

# 先把预测结果转成tidy数据框
forecast_tidy <- map_dfr(forecasts1, fortify, .id = "series_id")

# 绘图时用facet_wrap，设置scales="free_y"
ggplot(forecast_tidy, aes(x = Index, y = Data)) +
  geom_line(color = "black") +
  geom_line(aes(y = Fitted), color = "blue", linetype = "dashed") +
  geom_line(aes(y = Point.Forecast), color = "red") +
  facet_wrap(~series_id, scales = "free_y", ncol = 5) + # 按序列分面，y轴自由缩放
  theme_minimal() +
  labs(x = "时间", y = "取值")

方向二：检查序列平稳性，必要时做差分处理 #

如果你的时间序列存在明显的趋势或季节性，auto.arima虽然会自动选择差分阶数，但有时候可能因为序列噪声大或者趋势太强，导致自动选择的参数不够理想，进而预测结果可视化效果差。

• 先手动检查单个序列的平稳性：用ggAcf和ggPacf看自相关图，或者用adf.test做单位根检验。
• 如果确实不平稳，可以手动指定差分阶数，比如：

# 手动指定d=1（一阶差分），让auto.arima在这个基础上选其他参数
forecasts1 <- tsdf$time_series %>% 
  map(~auto.arima(., d=1)) %>% 
  map(forecast, h=10)

• 或者先对所有序列做差分，再拟合模型（注意差分后要处理好缺失值）。

方向三：调整可视化细节 #

• 如果用forecast包自带的autoplot，可以设置facets=TRUE来分面，并且开启自由刻度：

autoplot(forecasts1, facets = TRUE, scales = "free_y")

• 还可以给预测区间加上填充色，让图表更清晰：

autoplot(forecasts1, facets = TRUE, scales = "free_y") +
  geom_ribbon(aes(ymin = Lower, ymax = Upper), alpha = 0.2)

总结 #

先确认分面+自由y轴是否解决了可视化的问题，如果还是不行，再去检查序列的平稳性，调整差分参数。大部分情况下，取值范围差异大导致的y轴刻度问题是绘图效果差的主要原因。

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