Создание срезов перекрестной проверки временных рядов с помощью ключа в пакете tidyverts

Question

Есть ли способ создавать наборы перекрестной проверки временных рядов по ключу с помощью пакета tidyverts? Кажется, я не могу понять это правильно. Ниже представлена ​​моя попытка.

Пример включает создание перекрестной проверки временных рядов (срезы с шагом на 1 шаг вперед) для прогнозирования. Ключевая переменная имеет 2 разных значения, и я хотел бы иметь один тиббл, содержащий срезы временных рядов для обоих ключей. Когда я пытаюсь связать оба тиббла, я получаю сообщение об ошибке.

library(dplyr)
library(tibble)
library(tsibble)

# helper function
create_cv_slices <- function(data, forecast_horizon) {
  data %>%
    dplyr::slice(1:(nrow(data) - forecast_horizon)) %>%
    tsibble::stretch_tsibble(.init = nrow(data) - 2 * forecast_horizon, .step = 1)
}

# get data
raw_tsbl <- tibble::tribble(
  ~index,      ~key,    ~Revenue,     ~Claims,
  20160101, "series1",  11011836.1, 5386836.696,
  20160201, "series1", 11042641.16, 9967325.715,
  20160301, "series1", 11445687.52, 10947197.89,
  20160401, "series1", 11252943.11, 6980431.415,
  20160101, "series2",    12236155,    12526224,
  20160201, "series2",     8675364,     9812904,
  20160301, "series2",    10081130,     8423497,
  20160401, "series2",    14840111,     8079813
) %>%
  dplyr::mutate(index = tsibble::yearmonth(as.character(index))) %>%
  tsibble::as_tsibble(index = index, key = key)

keys <- unique(raw_tsbl$key)

# split & combine
tbl1 = raw_tsbl %>%
  dplyr::filter(key == keys[1]) %>%
  create_cv_slices(., forecast_horizon = 1) %>%
  tibble::as_tibble()

tbl2 = raw_tsbl %>%
  dplyr::filter(key == keys[2]) %>%
  create_cv_slices(., forecast_horizon = 1) %>%
  tibble::as_tibble()

dplyr::bind_rows(tbl1, tbl2) %>%
  tsibble::as_tsibble(index = index, key = key)
#> Error: A valid tsibble must have distinct rows identified by key and index.
#> Please use `duplicates()` to check the duplicated rows.

Спасибо.

Answer 1

Похоже, что использование bind_rows для объединения тибблей - это то, что не работает. Использование bind_rows и настройкаvalidate = FALSE в as_tsibbleФункция, создает тиббл нормально, но отображает тиббл как дневную серию, а не ежемесячно (как и должно быть). Однако использование rbind с тем же параметром аргумента создает желаемый тиббл.

rbind(tbl1, tbl2) %>%
  tsibble::as_tsibble(index = index, key = c(key, .id), validate = F)

Спасибо.

Answer 2

Вместо того, чтобы вручную разбивать данные по ключам, вы можете вычислять свои срезы по группам тиббла. group_by_key() удобная функция (с большей производительностью), эквивалентная group_by(key). Вn() function - это функция dplyr с учетом группы, которая дает количество наблюдений для текущей группы.

library(dplyr)
library(tibble)
library(tsibble)

# get data
raw_tsbl <- tibble::tribble(
  ~index,      ~key,    ~Revenue,     ~Claims,
  20160101, "series1",  11011836.1, 5386836.696,
  20160201, "series1", 11042641.16, 9967325.715,
  20160301, "series1", 11445687.52, 10947197.89,
  20160401, "series1", 11252943.11, 6980431.415,
  20160101, "series2",    12236155,    12526224,
  20160201, "series2",     8675364,     9812904,
  20160301, "series2",    10081130,     8423497,
  20160401, "series2",    14840111,     8079813
) %>%
  dplyr::mutate(index = tsibble::yearmonth(as.character(index))) %>%
  tsibble::as_tsibble(index = index, key = key)

forecast_horizon <- 1

raw_tsbl %>% 
  group_by_key() %>% 
  slice(1:(n() - forecast_horizon)) %>% 
  ungroup() %>% 
  stretch_tsibble(.init = 2, .step = 1)
#> # A tsibble: 10 x 5 [1M]
#> # Key:       .id, key [4]
#>       index key       Revenue    Claims   .id
#>       <mth> <chr>       <dbl>     <dbl> <int>
#>  1 2016 Jan series1 11011836.  5386837.     1
#>  2 2016 Feb series1 11042641.  9967326.     1
#>  3 2016 Jan series2 12236155  12526224      1
#>  4 2016 Feb series2  8675364   9812904      1
#>  5 2016 Jan series1 11011836.  5386837.     2
#>  6 2016 Feb series1 11042641.  9967326.     2
#>  7 2016 Mar series1 11445688. 10947198.     2
#>  8 2016 Jan series2 12236155  12526224      2
#>  9 2016 Feb series2  8675364   9812904      2
#> 10 2016 Mar series2 10081130   8423497      2

^{Создано 08.05.2020 с помощью пакета REPEX (v0.3.0)}

Небольшая разница в этом коде заключается в том, что .init установлено на 2, а не nrow(data)-2*forecast_horizon. Для этих данных он дает тот же результат, однако количество наблюдений для каждого ключа различаться не будет. После выпуска dplyr v1.0.0 будет проще использовать такие инструменты, какgroup_map() или bind_rows() чтобы использовать подход разделения-применения-комбинирования, необходимый для определения различных параметров окна для каждого ключа.