我认为最好的方法是切换到xts或zoo，因为根据另一个问题here，ts（）很难进行每日观察，因为年与年之间的天数不同。

据我理解，ts()函数中的单位是年，所以这里frequency应该设置为365因此，start和end也应该表示天。（我相信）要把握好时机，start和end应该是所需间隔与年初的天数差（在您的具体情况下，分别为186和196）。这些数字的适当性可通过以下方式检查：

as.numeric(as.Date("2016-07-05") - as.Date("2016-01-01"))
[1] 186
as.numeric(as.Date("2016-07-15") - as.Date("2016-01-01"))
[1] 196

将这些信息嵌入到代码中，对ts()的调用应为：

data = c(101,99,97,95,93,91,89,87,85,83,81)
ts(data, start = c(2016, 186), end = c(2016, 196), frequency = 365)
# which yielded
Time Series:
Start = c(2016, 186) 
End = c(2016, 196) 
Frequency = 365 
 [1] 101  99  97  95  93  91  89  87  85  83  81

高温加热

ts对象中的Frequency参数确定系列在单元中具有多少个样本。因此，当您选择频率时，它假定一个单元。此单元将用于设置start和end参数。
例如，如果你设置frequency = 365，你假设单位是年，并且在单位之间有365个采样点，让我们在2016-07-05这个单位中确定你的序列的第一个点，年显然是2016年，在这一年内我取as.Date("2016-07-05") - as.Date("2016-01-01") + 1，即187。注意，我假设第一个采样日的索引为1，而不是@Helloworld的解中使用的0。因此，start = c(2016, 187)。

data <- c(101,99,97,95,93,91,89,87,85,83,81) 
start_dt <- "2016-07-05" 
end_dt <- "2016-07-15"

ts_365 <- ts(data, start = c(216, 187), frequency = 365)
ts_365
#> Time Series:
#> Start = c(216, 187) 
#> End = c(216, 197) 
#> Frequency = 365 
#>  [1] 101  99  97  95  93  91  89  87  85  83  81

另一方面，如果我们想使用frequency = 7，我们需要使用week作为单位，并使用它来指定start。实际上，我们可以获得week（isoweek，但其他条件也可以）和一周中的哪一天，假设星期一是第一天（同样，您可以更改此条件）

strftime(start_dt, "isoweek: %V weekday: %u (%A)")
#> [1] "isoweek: 27 weekday: 2 (martes)"

对于frequency = 7，我们将时间序列定义为

ts_7 <- ts(data, start = c(27, 2), frequency = 7)
ts_7
#> Time Series:
#> Start = c(27, 2) 
#> End = c(28, 5) 
#> Frequency = 7 
#>  [1] 101  99  97  95  93  91  89  87  85  83  81

如果您绘制上面的任何ts对象，您将得到一个基于所选单位的数值轴。

x_dates <- seq.Date(from = as.Date(start_dt), to = as.Date(end_dt), by = "day")
plot(x_dates, data)

创建于2023年3月5日，使用reprex v2.0.2
当您将某些函数应用于ts对象时，您选择的频率是相关的，因为频率可以作为查找季节性的周期（例如，decompose()函数）