开始使用免费开始使用

季节性图

除了时间图外，还有一些有用的绘图方式可以突出季节性模式，并展示这些模式随时间的变化。

  • 季节性图 与时间图类似，但数据是按观测发生的各个"季节"作图。您可以像使用 autoplot() 一样，使用 ggseasonplot() 函数来创建。
  • 季节图的一个有趣变体是使用极坐标，此时时间轴是圆形而非水平的；只需添加 polar 参数并将其设为 TRUE 即可。
  • 子序列图 由每个季节的小型时间图组成。这里，每个季节的均值会用蓝色水平线表示。

拆分时间序列的一种方法是使用 window() 函数，它会从对象 x 中提取介于 start 和 end 时间之间的子集。

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

在本练习中，您将加载 fpp2 包并使用其中的两个数据集：

  • a10 包含澳大利亚抗糖尿病药物的月度销量。在图中，您能看出每年哪个月份的销量最高吗？2008 年 3 月和 4 月的结果有什么异常之处？
  • ausbeer 包含澳大利亚的季度啤酒产量。第 4 季度的啤酒产量发生了什么变化？

这些示例将帮助您直观理解这些图形，并了解它们的用途。

本练习是课程的一部分

R 中的预测

查看课程

练习说明

  • 使用 library() 加载 fpp2 包。
  • 使用 autoplot() 和 ggseasonplot() 绘制 a10 数据的图。
  • 使用 ggseasonplot() 函数及其 polar 参数，为 a10 数据生成极坐标图。
  • 使用 window() 函数，只保留从 1992 年"开始"的 ausbeer 数据。
  • 最后，使用 autoplot() 和 ggsubseriesplot() 绘制 beer 序列的图形。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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
___
___
编辑并运行代码