R - оценка недостающих значений

Question

Давайте предположим, что у меня есть таблица как таковая:

Date        Sales
09/01/2017  9000
09/02/2017  12000
09/03/2017  0
09/04/2017  11000
09/05/2017  14400
09/06/2017  0
09/07/2017  0
09/08/2017  21000
09/09/2017  15000
09/10/2017  23100
09/11/2017  0
09/12/2017  32000
09/13/2017  8000

Значения в таблице оцениваются R-программой, к которой у меня нет доступа (сейчас это черный ящик). Теперь есть несколько дней с нулевыми значениями, которые имеют тенденцию ползти из-за проблем в нашем процессе приема /ETL. Мне нужно оценить значения для дат с 0 данных.

Наш подход заключается в следующем:

• Нарисуйте линию от даты до пропущенных данных до даты сразу после пропущенных данных
• Оцените значение для отсутствующей даты из строки

Теперь, если есть только один день с пропущенными данными между двумя хорошими днями, сработает прямое среднее. Если есть два или более дня подряд с отсутствующими данными, среднее значение не будет работать, поэтому я пытаюсь сформулировать способ оценки значений для нескольких точек данных.

Будет ли этот подход работать в R? Я всего n00b в R, так что я не совсем уверен, возможно ли это вообще.

Answer 1

Вы можете заполнить значения с помощью линейной интерполяции, используя функцию approxfun,

## Your data
df = read.table(text="Date        Sales
09/01/2017  9000
09/02/2017  12000
09/03/2017  0
09/04/2017  11000
09/05/2017  14400
09/06/2017  0
09/07/2017  0
09/08/2017  21000
09/09/2017  15000
09/10/2017  23100
09/11/2017  0
09/12/2017  32000
09/13/2017  8000",
header=TRUE, stringsAsFactors=FALSE)
df$Date = as.Date(df$Date, format="%m/%d/%Y")


## Create function for linear interpolation
Interp = approxfun(df[df$Sales > 0, ])

## Use function to fill in interpolated values
Vals = Interp(df$Date[df$Sales == 0])
df$Sales[df$Sales == 0] = Vals
plot(df, type="l")
grid()

Answer 2

Мы также можем использовать na.interpolation функция от imputeTS пакет. Метод по умолчанию na.interpolation линейная интерполяция, но мы также можем указать другие методы, если мы хотим.

library(dplyr)
library(imputeTS)

dt2 <- dt %>%
  replace(. == 0, NA) %>%
  mutate(Sales = na.interpolation(Sales))

dt2
         Date Sales
1  09/01/2017  9000
2  09/02/2017 12000
3  09/03/2017 11500
4  09/04/2017 11000
5  09/05/2017 14400
6  09/06/2017 16600
7  09/07/2017 18800
8  09/08/2017 21000
9  09/09/2017 15000
10 09/10/2017 23100
11 09/11/2017 27550
12 09/12/2017 32000
13 09/13/2017  8000

Данные

dt <- read.table(text = "Date        Sales
09/01/2017  9000
                 09/02/2017  12000
                 09/03/2017  0
                 09/04/2017  11000
                 09/05/2017  14400
                 09/06/2017  0
                 09/07/2017  0
                 09/08/2017  21000
                 09/09/2017  15000
                 09/10/2017  23100
                 09/11/2017  0
                 09/12/2017  32000
                 09/13/2017  8000",
                 header = TRUE, stringsAsFactors = FALSE)