我做了一些研究,我一直在寻找解决方案。我有一个关于保险索赔和伤残日期的时间序列数据,这是一个非常基本的数据框架,我们称之为数据:
参见日期列表 Claims
我运行了以下代码(在加载XTS库后)来识别日期并按正确的顺序排序:
data = read.csv('Claims1.csv') data$DISABILITYDATE <- as.Date(data$DISABILITYDATE, "%m/%d/%Y") data str(data) as.Date(data[,1]) xts(x=data[,-1], order.by = data[,1])
然而,我 需要计算/列出每月的索赔数量 所以我可以开始执行和ARIMA(auto.ARIMA)预测。
理想情况下,我想要这样的数据框 Ideal Data Frame
这个 xts 库具有在给定时间段内应用函数的函数。您需要以xts格式设置数据,但这可以在一行中完成。然后应用一个函数来计算每个月内的实例数。例如
xts
library(xts) data = read.csv('Claims1.csv') data$DISABILITYDATE <- as.Date (data$DISABILITYDATE, "%m/%d/%Y") df <- xts(rep(1,length(data$DISABILITYDATE)),order.by=data$DISABILITYDATE) apply.monthly(df,function(x) length(x))
也可以通过 aggregate 功能,如评论中所述。
aggregate