在時間序列分析中，有兩種用來找出資料集整體趨勢的關鍵方法：彙總（aggregation）與 rolling windows。這兩種方法各有優缺點，取決於你擁有的資料型態與你的使用情境。
在這個練習中，你要將不同的描述與用途歸類到「彙總」或「rolling windows」，並放入相對應的分類。
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
你將學到時間序列所代表的概念基礎、如何從時間序列取得資料的摘要統計，並在分析的探索步驟中，如何解讀時間序列圖。你也會學到如何在 R 物件中管理日期與時間資訊，以及如何套用一致的日期格式。
在這裡，你會學到如何擷取時間序列的關鍵屬性，例如資料涵蓋的時間範圍與取樣頻率，以便更了解你的資料。同時也會介紹 zoo 套件，其中包含建立與操作時間序列物件的工具與函式。許多 R 的資料科學應用採用 data frame 範式；你將學會如何在 data frame 與時間序列之間轉換。
你將學到如何從時間序列擷取一段視窗，聚焦於特定關注期間。處理真實世界的時間序列資料時，資料集的時間跨度往往超過所需，可能讓視覺化變得雜亂。你會以不同頻率取樣時間序列資料，例如每分鐘、每小時、每月或每年。進一步地，透過彙總資料並使用 xts 套件，你將看出資料的整體趨勢。你也會學到各種「插補」方法——用常數填補、LOCF 或線性內插來填入遺漏值。
你將學會建立會隨資料移動、也就是會「滾動」的時間序列視窗，讓你能跨時間彙整趨勢，例如連續數月觀測值的平均，或數週銷售額的總和。整體的摘要統計（如 mean、median、sum、maximum 等）並不一定能反映資料隨時間的變化；滾動視窗能讓你動態計算這些統計量。除了滾動視窗，你也會學到如何建立擴張視窗，用來觀察這些摘要統計如何逐步趨近其最終值。
當前練習
