For循环和追加到R中的向量

vlf7wbxs 于 2022-12-25 发布在其他

关注(0)|答案(1)|浏览(172)

我试图在R中创建一个For循环，用预测值填充一个Vector，预测值是通过auto.arima函数生成的。
我是R的新手，所以不确定这是否做对了。
我使用的代码如下：

library(dplyr)
library(forecast)
dfts <- ts(df$Price_REG1) 
fc=c()
for (i in 0:7) {
  modArima <- auto.arima(dfts[0+(i*24):168+(i*24)])
  forecast <- forecast(modArima, h=24)
  forecast_values <- forecast$mean
  fc <- append(fc, forecast_values)
}

我在现实中使用较长的集合，但在这里使其变小，使其更容易理解。
我尝试实现的是使用第一周的数据（一周中的168小时）来估计模型的系数。然后，我希望将训练集之后的前24小时生成的预测放入向量fc中。然后，我希望在某一天移动窗口，重新估计系数并生成第二天的预测，然后将它们保存到向量中。
我对dfts[0+(i*24):168+(i*24)]部分有点不确定，因为df <- df[0:168]不起作用，但需要df <- df[0:168,]。但如果我输入dfts[0+(i*24):168+(i*24)]，则得到
[. default（离散度，0+（i * 24）：874+（i * 24），）中出错：维数不正确
编辑：数据样本：

structure(c(28.78, 28.45, 27.9, 27.52, 27.54, 26.55, 25.83, 25.07, 
25.65, 26.15, 26.77, 27.4, 28.08, 28.69, 29.37, 29.97, 30.46, 
30.39, 30.06, 29.38, 27.65, 27.33, 25.88, 24.81, 12.07, 13.13, 
19.07, 21.12, 24.29, 26.27, 27.74, 28.39, 29.37, 29.95, 29.91, 
29.96, 29.94, 29.94, 30.18, 30.96, 31.2, 30.98, 30.35, 29.27, 
28.17, 28.02, 27.69, 24.39, 18.93, 9.98, 1.53, 0.14, 0.85, 9.92, 
24.48, 26.68, 28.12, 28.58, 28.16, 28.78, 28.31, 28.44, 28.96, 
29.86, 30.15, 30.07, 29.54, 29.11, 27.91, 27.03, 25.7, 22.04, 
21.73, 15.95, 16.23, 6.45, 3.83, 4.03, 4.04, 19.07, 17.49, 24.18, 
24.94, 25.11, 24.94, 24.95, 25.25, 26.33, 27.36, 28.88, 29.58, 
29.42, 27.71, 27.4, 27.37, 25.77, 26.65, 27.13, 27.11, 27.42), tsp = c(1, 
5.125, 24), class = "ts")

r

来源：https://stackoverflow.com/questions/74869213/for-loop-and-appending-to-vector-in-r

1条答案

按热度按时间

w8biq8rn1#

下面是一个内置数据集AirPassengers的示例，说明如何使用程序包forecast运行滚动预测。
下面的代码使用了时间序列函数

window到类"ts"的子集对象;
frequency和start来获取这些属性。

输出向量是预先创建的，没有在循环中用append扩展。

library(forecast)
#> Registered S3 method overwritten by 'quantmod':
#>   method            from
#>   as.zoo.data.frame zoo
data("AirPassengers", package = "datasets")

fc <- ts(
  data = rep(NA, length(AirPassengers)), 
  start = start(AirPassengers), 
  frequency = frequency(AirPassengers)
)

start <- start(AirPassengers)[1]
freq <- frequency(AirPassengers)
i_fc <- seq_len(freq)
fc[i_fc] <- AirPassengers[i_fc]

for(i in 1:11) {
  w <- window(AirPassengers, start = start + i - 1L, end = c(start + i - 1L, freq))
  modArima <- auto.arima(w)
  y <- forecast(modArima, h = freq)$mean
  i_fc <- i_fc + freq
  fc[i_fc] <- y
}

plot(cbind(AirPassengers, fc))

创建于2022年12月20日，使用reprex v2.0.2

编辑

我相信下面的代码预测了给定的初始天数的第二天。

library(forecast)
#> Registered S3 method overwritten by 'quantmod':
#>   method            from
#>   as.zoo.data.frame zoo

fill_first_periods <- function(x, weeks = 1L, week_days) {
  if(missing(week_days)) week_days <- 7L
  fc <- ts(
    data = rep(NA, length(x)), 
    start = start(x), 
    frequency = frequency(x)
  )
  i_fc <- seq_len(frequency(x) * week_days * weeks)
  fc[i_fc] <- x[i_fc]
  fc
}

# not enough data to run an example for 1 week
# three days only
weeks <- 1L
week_days <- 3L
fc <- fill_first_periods(dfts, weeks = weeks, week_days) 
n <- length(fc)

i_last <- length(fc[!is.na(fc)])
h <- frequency(fc)
curr_start <- start(fc)
curr_end <- c(curr_start[1] + weeks*week_days - 1L, frequency(fc))
for(i in 2:(end(fc)[1] - 1L)) {
  if(n - i_last < h) {
    h <- end(fc)[2]
    i_fc <- tail(seq_len(n), h)
  } else {
    i_fc <- (i_last + 1L):(i_last + h)
    i_last <- i_last + h
  }
  w <- window(dfts, start = curr_start, end = curr_end)
  modArima <- auto.arima(w)
  fc[i_fc] <- forecast(modArima, h = h)$mean
  #
  curr_start[1] <- curr_start[1L] + 1L
  curr_end <- c(curr_end[1L] + 1L, h)
}

plot(cbind(dfts, fc))

创建于2022年12月21日，使用reprex v2.0.2

赞(0）回复(0）举报 2022-12-25

我来回答

For循环和追加到R中的向量

1条答案

编辑

相关问题

热门标签

最新问答