開始使用免費開始

季節性圖

除了時間圖之外，還有其他實用的視覺化方式，可以強調季節性型態，並呈現這些型態隨時間的變化。

  • 季節性圖（seasonal plot） 類似時間圖，但資料是依觀測到的各個「季節」來對應繪製。你可以像使用 autoplot() 一樣，使用 ggseasonplot() 函式來建立。
  • 有趣的變化版本是使用極座標，時間軸改為圓形而非水平。只要加入 polar 引數並設為 TRUE 即可。
  • 子序列圖（subseries plot） 會為每個季節各畫一個迷你時間圖。每個季節的平均值會以藍色的水平線標示。

分割時間序列的一種方式是使用 window() 函式，它會從物件 x 中擷取在 start 與 end 之間觀測到的子集。

> window(x, start = NULL, end = NULL)

在本練習中，你會載入 fpp2 套件並使用其中的兩個資料集：

  • a10 包含澳洲抗糖尿病藥物的月銷售量。從圖中，你看得出每年哪一個月份的銷售量最高嗎？2008 年 3 月與 4 月的結果有什麼特別之處？
  • ausbeer 包含澳洲的季啤酒產量。第 4 季的啤酒產量發生了什麼變化？

這些例子將幫助你理解這些圖表如何協助視覺化與分析。

本練習屬於課程

R 的時間序列預測

檢視課程

練習說明

  • 用 library() 載入 fpp2 套件。
  • 用 autoplot() 與 ggseasonplot() 繪製 a10 資料的圖。
  • 使用 ggseasonplot() 的 polar 引數，為 a10 資料產生極座標圖。
  • 使用 window() 函式，只取用從 1992 年「開始」的 ausbeer 資料。
  • 最後，使用 autoplot() 與 ggsubseriesplot() 繪製 beer 序列的圖。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Load the fpp2 package
___

# Create plots of the a10 data
___
___

# Produce a polar coordinate season plot for the a10 data
ggseasonplot(___, polar = ___)

# Restrict the ausbeer data to start in 1992
beer <- ___(___, ___)

# Make plots of the beer data
___
___
編輯並執行程式碼