• Posts tagged "timetk"

Blog Archives

Posted:
Mar 26, 2026
Tags:
Comments:
0 Comments

用timetk进行时间序列可视化

R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者

  • 张丹，数据分析师/程序员/Quant: R,Java,Nodejs
  • blog: http://fens.me
  • email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-timetk/

前言

时间序列分析，是统计分析一个重要的分支，我们日常生活的很多数据，都是时间序列数据，至少包含一个时间项和数据值。如果能很好地观察时间序列数据，对于我们理解数据能起到非常重要的作用。

timetk就是一个非常方便地观察时间序列数据的包，从多个角度让我们快速理解数据。

目录

  1. timetk包是介绍
  2. timetk的安装
  3. timetk的核心函数
  4. 可视化：基本时间序列图
  5. 可视化：时间序列分组
  6. 可视化：时间序列分箱
  7. 可视化：时间序列回归
  8. 可视化：时间序列异常检测
  9. 可视化：时间序列季节性分解
  10. 可视化：时间序列重采样

1. timetk包是介绍

timetk是R语言的一个时间序列处理工具包，可轻松实现时间序列数据的可视化、整理和特征工程，用于预测和机器学习建模。整合并扩展了包括 dplyr、stats、xts、forecast、slider、padr、recipes 和 rsample 等包中的时间序列功能。Timetk 是一个功能强大的包，属于 modeltime 生态系统的一部分，用于时间序列分析和预测。

官方网站：https://business-science.github.io/timetk/

timetk 包让用户在 R 语言中更便捷地处理时间序列对象。该工具包提供了用于检查和处理基于时间的索引、扩展用于数据挖掘和机器学习的时间特征，以及在不同时间序列类之间进行转换的功能。

主要优势如下：

  • 索引提取：从任意时间序列对象中提取时间序列索引。
  • 时间序列理解：基于时间序列索引生成特征摘要和汇总信息。
  • 构建未来时间序列：根据已有索引创建未来时间序列。
  • 基于时间的tibble类型与主流时间序列数据类型（xts、zoo、zooreg、ts）之间的相互转换：简化转换过程，并在转换为规则时间序列（如 ts）时最大程度保留基于时间的数据信息。

2. timetk的安装

timetk包的安装，安装timetk包非常简单，2条命令就可以完成，安装和加载。


# 安装
> install.packages("timetk")

# 加载
> library(timetk)

3. timetk的核心函数

使用timetk包，可以针对不同R语言时间序列类型做适配，如tk_tbl()适配tibble类型, tk_zoo()适配zoo类型，tk_xts()适配xts类型等。

timetk包中最核心的函数就是画图函数，支持11种可视化的画图效果。

  • plot_time_series 一个或多个时间序列的交互式绘图
  • plot_time_series_boxplot 交互式时间序列箱线图
  • plot_time_series_regression 可视化时间序列线性回归公式
  • plot_anomalies 可视化一个或多个时间序列的异常值
  • plot_anomalies_cleaned 可视化一个或多个时间序列的异常值（清理后）
  • plot_anomalies_decomp 可视化一个或多个时间序列的异常值（分解后）
  • plot_anomaly_diagnostics 可视化一个或多个时间序列的异常值诊断
  • plot_seasonal_diagnostics 可视化一个或多个时间序列的多种季节性特征
  • plot_stl_diagnostics 可视化一个或多个时间序列的 STL 分解特征
  • plot_acf_diagnostics 可视化一个或多个时间序列的 ACF、PACF 和 CCF
  • plot_time_series_cv_plan 可视化时间序列重采样方案

4. 可视化：基本时间序列图

以timetk包自带的数据集taylor_30_min为例，taylor_30_min数据集。为半小时电力需求，2000年6月5日星期一至2000年8月27日星期日期间英格兰和威尔士的半小时电力需求。

taylor_30_min数据集为 tibble类型， 4,032 行 × 2 列：

  • date：日期时间变量，间隔为 30 分钟
  • value：电力需求，单位为兆瓦

查看数据情况


# 查看数据前6条
> head(taylor_30_min)
# A tibble: 6 × 2
  date                value
                
1 2000-06-05 00:00:00 22262
2 2000-06-05 00:30:00 21756
3 2000-06-05 01:00:00 22247
4 2000-06-05 01:30:00 22759
5 2000-06-05 02:00:00 22549
6 2000-06-05 02:30:00 22313

# 查看数据2列统计概览
> summary(taylor_30_min)
      date                         value      
 Min.   :2000-06-05 00:00:00   Min.   :18640  
 1st Qu.:2000-06-25 23:52:30   1st Qu.:24272  
 Median :2000-07-16 23:45:00   Median :29485  
 Mean   :2000-07-16 23:45:00   Mean   :29617  
 3rd Qu.:2000-08-06 23:37:30   3rd Qu.:35132  
 Max.   :2000-08-27 23:30:00   Max.   :38777

基于数据画图，使用基本plot()函数画图。


> plot(taylor_30_min,type="l")

使用timetk画图，并进行数据拟合


# 加载包
> library(dplyr)
> library(ggplot2)
> library(lubridate)
> library(magrittr)

# 生成基于ggplot2的静态图
> interactive <- FALSE # 画图拟合 > taylor_30_min %>% 
+   plot_time_series(date, value, 
+                    .interactive = interactive,
+                    .plotly_slider = TRUE)
Ignoring unknown labels:
• colour : "Legend"

按月度进行数据拆分拟合


# 画图拟合
> taylor_30_min %>%
+   plot_time_series(date, value, 
+                    .color_var = month(date, label = TRUE),
+                    .interactive = interactive,  
+                    .title = "Taylor's MegaWatt Data",
+                    .x_lab = "Date (30-min intervals)",
+                    .y_lab = "Energy Demand (MW)",
+                    .color_lab = "Month") +
+   scale_y_continuous(labels = scales::label_comma())

使用可交互的画图输出, interactive=TRUE。可生成基于plotly的动态交互的结果。


> taylor_30_min %>% 
+     plot_time_series(date, value, 
+                      .interactive = TRUE, 
+                      .plotly_slider = TRUE)
Ignoring unknown labels:
• colour : "Legend"

5. 可视化：时间序列分组

1. 分组展示

我们再换一组数据集m4_daily，进行演示测试。m4_daily数据集来源：M4 竞赛（2018 年 1 月 – 5 月），完整竞赛总序列数：100,000 条，本样本：4 条日度时间序列，行数：9,743，列：id、date、value。

  • id 因子型 4 条序列各自的唯一标识符
  • date 日期型 每日时间戳
  • value 数值型 对应时间戳的数值

由于这些数据来自 M4 竞赛，每条序列很可能来自不同的领域（例如微观、工业、宏观、金融、人口统计等），并可能表现出：趋势，季节性（周度、年度），异方差性，零值或间歇性数值，不同长度（日度序列的历史数据长度往往各不相同）。


# 查看数据集
> head(m4_daily)
# A tibble: 6 × 3
  id    date       value
        
1 D10   2014-07-03 2076.
2 D10   2014-07-04 2073.
3 D10   2014-07-05 2049.
4 D10   2014-07-06 2049.
5 D10   2014-07-07 2006.
6 D10   2014-07-08 2018.

# 统计概览
> summary(m4_daily)
    id            date                value      
 D10 : 674   Min.   :1978-06-23   Min.   : 1735  
 D160:4197   1st Qu.:2003-01-12   1st Qu.: 5719  
 D410: 676   Median :2006-05-14   Median : 8253  
 D500:4196   Mean   :2005-02-14   Mean   : 8280  
             3rd Qu.:2009-09-13   3rd Qu.:11219  
             Max.   :2016-05-06   Max.   :19433

分组数据的可视化只需在将数据传入 plot_time_series() 函数之前使用 group_by() 对数据集进行分组即可。关键点如下：

  • 可以通过两种方式添加分组：使用 group_by()，或通过 … 参数添加分组。
  • 分组随后会转换为分面图。
  • .facet_ncol = 2 生成一个两列的分面图。
  • .facet_scales = “free” 允许每个图的 x 轴和 y 轴独立于其他图进行缩放。

> m4_daily %>%
+   group_by(id) %>%
+   plot_time_series(date, value,
+                    .facet_ncol = 2, .facet_scales = "free",
+                    .interactive = interactive)
Ignoring unknown labels:
• colour : "Legend"

2. 对数变换与子分组

让我们切换到一个包含多个分组的小时级数据集。我们可以展示以下内容。其意图是在分面图中展示分组，同时突出数据中的每周窗口（子分组），并对数值进行 log() 变换。

  • .value = log(value)：应用对数变换
  • .color_var = week(date)：将日期列转换为 lubridate::week() 的周数，颜色将应用于每个周数。

换成m4_hourly，M4 竞赛始于 2018 年 1 月 1 日，于 2018 年 5 月 31 日结束。该竞赛包含 100,000 个时间序列数据集。本数据集包含来自该竞赛的 4 个小时度时间序列样本。


> m4_hourly %>%
+   group_by(id) %>%
+   plot_time_series(date, log(value),             # Apply a Log Transformation
+                    .color_var = week(date),      # Color applied to Week transformation
+                    # Facet formatting
+                    .facet_ncol = 2,
+                    .facet_scales = "free",
+                    .interactive = interactive)

6. 可视化：时间序列分箱

plot_time_series_boxplot() 函数可用于绘制箱线图。箱线图使用聚合方式，这是由 .period 参数定义的分箱参数。

换成m4_monthly，M4 竞赛始于 2018 年 1 月 1 日，于 2018 年 5 月 31 日结束。该竞赛包含 100,000 个时间序列数据集。本数据集包含来自该竞赛的 4 个月度时间序列样本。


> m4_monthly %>%
+   group_by(id) %>%
+   plot_time_series_boxplot(
+     date, value,
+     .period      = "1 year",
+     .facet_ncol  = 2,
+     .interactive = FALSE)
Ignoring unknown labels:
• colour : "Legend"

7. 可视化：时间序列回归

使用时间序列回归图函数 plot_time_series_regression() 可用于快速评估与时间序列相关的关键特征。该函数内部会将一个公式传递给 stats::lm() 函数。通过设置 show_summary = TRUE，可以输出线性回归的摘要信息。

换成m4_monthly数据画图


> m4_monthly %>%
+   group_by(id) %>%
+   plot_time_series_regression(
+     .date_var     = date,
+     .formula      = log(value) ~ as.numeric(date) + month(date, label = TRUE),
+     .facet_ncol   = 2,
+     .interactive  = FALSE,
+     .show_summary = FALSE
+   )

8. 可视化：时间序列异常检测

使用walmart_sales_weekly数据集, 可视化一个或多个时间序列的异常值。

walmart_sales_weekly数据集，沃尔玛招聘——门店销售额预测”竞赛使用了零售数据，涉及门店与店内各个部门的组合。该竞赛于2014年2月20日开始，于2014年5月5日结束。竞赛数据包含位于不同地区的45家零售门店。数据集包含多种外部特征，包括节假日信息、气温、燃油价格和降价信息。本数据集包含门店ID为1的7个部门的样本（共7个时间序列）。

查看数据walmart_sales_weekly


# 查看数据
> head(walmart_sales_weekly)
# A tibble: 6 × 17
  id    Store  Dept Date       Weekly_Sales IsHoliday Type    Size Temperature Fuel_Price MarkDown1 MarkDown2 MarkDown3 MarkDown4
                                                          
1 1_1       1     1 2010-02-05       24924. FALSE     A     151315        42.3       2.57        NA        NA        NA        NA
2 1_1       1     1 2010-02-12       46039. TRUE      A     151315        38.5       2.55        NA        NA        NA        NA
3 1_1       1     1 2010-02-19       41596. FALSE     A     151315        39.9       2.51        NA        NA        NA        NA
4 1_1       1     1 2010-02-26       19404. FALSE     A     151315        46.6       2.56        NA        NA        NA        NA
5 1_1       1     1 2010-03-05       21828. FALSE     A     151315        46.5       2.62        NA        NA        NA        NA
6 1_1       1     1 2010-03-12       21043. FALSE     A     151315        57.8       2.67        NA        NA        NA        NA
# ℹ 3 more variables: MarkDown5 , CPI , Unemployment 

# 统计概览
> summary(walmart_sales_weekly)
       id          Store        Dept            Date             Weekly_Sales    IsHoliday           Type          
 1_1    :143   Min.   :1   Min.   : 1.00   Min.   :2010-02-05   Min.   :  6166   Mode :logical   Length:1001       
 1_3    :143   1st Qu.:1   1st Qu.: 3.00   1st Qu.:2010-10-08   1st Qu.: 28257   FALSE:931       Class :character  
 1_8    :143   Median :1   Median :13.00   Median :2011-06-17   Median : 39886   TRUE :70        Mode  :character  
 1_13   :143   Mean   :1   Mean   :35.86   Mean   :2011-06-17   Mean   : 54646                                     
 1_38   :143   3rd Qu.:1   3rd Qu.:93.00   3rd Qu.:2012-02-24   3rd Qu.: 77944                                     
 1_93   :143   Max.   :1   Max.   :95.00   Max.   :2012-10-26   Max.   :148798                                     
 (Other):143                                                                                                       
      Size         Temperature      Fuel_Price      MarkDown1         MarkDown2          MarkDown3          MarkDown4      
 Min.   :151315   Min.   :35.40   Min.   :2.514   Min.   :  410.3   Min.   :    0.50   Min.   :    0.25   Min.   :    8.0  
 1st Qu.:151315   1st Qu.:57.79   1st Qu.:2.759   1st Qu.: 4039.4   1st Qu.:   40.48   1st Qu.:    6.00   1st Qu.:  577.1  
 Median :151315   Median :69.64   Median :3.290   Median : 6154.1   Median :  144.87   Median :   25.96   Median : 1822.5  
 Mean   :151315   Mean   :68.31   Mean   :3.220   Mean   : 8090.8   Mean   : 2941.32   Mean   : 1225.40   Mean   : 3746.1  
 3rd Qu.:151315   3rd Qu.:80.49   3rd Qu.:3.594   3rd Qu.:10122.0   3rd Qu.: 1569.00   3rd Qu.:  101.64   3rd Qu.: 3750.6  
 Max.   :151315   Max.   :91.65   Max.   :3.907   Max.   :34577.1   Max.   :46011.38   Max.   :55805.51   Max.   :32403.9  
                                                  NA's   :644       NA's   :707        NA's   :651        NA's   :644      
   MarkDown5            CPI         Unemployment  
 Min.   :  554.9   Min.   :210.3   Min.   :6.573  
 1st Qu.: 3127.9   1st Qu.:211.5   1st Qu.:7.348  
 Median : 4325.2   Median :215.5   Median :7.787  
 Mean   : 5018.7   Mean   :216.0   Mean   :7.610  
 3rd Qu.: 6222.2   3rd Qu.:220.6   3rd Qu.:7.838  
 Max.   :20475.3   Max.   :223.4   Max.   :8.106  
 NA's   :644                          


> walmart_sales_weekly %>%
+   filter(id %in% c("1_1", "1_3")) %>%
+   group_by(id) %>%
+   anomalize(Date, Weekly_Sales) %>%
+   plot_anomalies(Date, .facet_ncol = 2, .ribbon_alpha = 0.25, .interactive = FALSE)
frequency = 13 observations per 1 quarter
trend = 52 observations per 1 year
frequency = 13 observations per 1 quarter
trend = 52 observations per 1 year

可视化一个或多个时间序列的异常值，自动进行数据清理后的结果。


> walmart_sales_weekly %>%
+   filter(id %in% c("1_1", "1_3")) %>%
+   group_by(id) %>%
+   anomalize(Date, Weekly_Sales, .message = FALSE) %>%
+   plot_anomalies_cleaned(Date, .facet_ncol = 2, .interactive = FALSE)

把数据按时间序列的多维度进行分解。


> walmart_sales_weekly %>%
+   filter(id %in% c("1_1", "1_3")) %>%
+   group_by(id) %>%
+   anomalize(Date, Weekly_Sales, .message = FALSE) %>%
+   plot_anomalies_decomp(Date, .interactive = FALSE)

把数据按时间序列进行异常诊断。


> walmart_sales_weekly %>%
+   group_by(id) %>%
+   plot_anomaly_diagnostics(Date, Weekly_Sales,
+                            .message = FALSE,
+                            .facet_ncol = 3,
+                            .ribbon_alpha = 0.25,
+                            .interactive = FALSE)

9. 可视化：时间序列季节性分解

季节分析，可视化一个或多个时间序列的多种季节性特征，分别按日期，星期，周，月的4个维度，生成可视化看板。


> taylor_30_min %>%
+   plot_seasonal_diagnostics(date, value, .interactive = FALSE)

STL分解，按STL分解特征拆分，基于局部加权回归的季节性趋势分解。STL分解是一种将时间序列分解为三个组成部分的统计方法：

  • 趋势分量 (Trend) 数据的长期变化方向，反映平滑的总体走势
  • 季节分量 (Seasonal) 周期性重复的模式，如每周、每月或每年的规律性波动
  • 余项分量 (Remainder) 剔除趋势和季节后剩余的随机波动或噪声

数学表达式为：
观测值 = 趋势 + 季节 + 余项


> m4_hourly %>%
+   filter(id == "H10") %>%
+   plot_stl_diagnostics(
+     date, value,
+     # Set features to return, desired frequency and trend
+     .feature_set = c("observed", "season", "trend", "remainder"),
+     .frequency   = "24 hours",
+     .trend       = "1 week",
+     .interactive = FALSE)
frequency = 24 observations per 24 hours
trend = 168 observations per 1 week

可视化ACF, PACF, and CCFs检测


> m4_hourly %>%
+   group_by(id) %>%
+   plot_acf_diagnostics(
+     date, value,               # ACF & PACF
+     .lags = "7 days",          # 7-Days of hourly lags
+     .interactive = FALSE
+   )

10. 可视化：时间序列重采样

使用FANG数据集，FANG是包含科技股（“FB”、“AMZN”、“NFLX”和“GOOG”）每日历史股价的数据集，时间跨度从2013年初到2016年底。FANG包含 4,032 行和 8 个变量的“tibble”（“整洁”数据框）：symbol股票代码符号，开高低收等信息。


> head(FANG)
# A tibble: 6 × 8
  symbol date        open  high   low close    volume adjusted
                     
1 FB     2013-01-02  27.4  28.2  27.4  28    69846400     28  
2 FB     2013-01-03  27.9  28.5  27.6  27.8  63140600     27.8
3 FB     2013-01-04  28.0  28.9  27.8  28.8  72715400     28.8
4 FB     2013-01-07  28.7  29.8  28.6  29.4  83781800     29.4
5 FB     2013-01-08  29.5  29.6  28.9  29.1  45871300     29.1
6 FB     2013-01-09  29.7  30.6  29.5  30.6 104787700     30.6

# 数据概览
> summary(FANG)
    symbol               date                 open              high              low              close       
 Length:4032        Min.   :2013-01-02   Min.   :  22.99   Min.   :  23.09   Min.   :  22.67   Min.   :  22.9  
 Class :character   1st Qu.:2014-01-01   1st Qu.: 106.31   1st Qu.: 107.75   1st Qu.: 104.50   1st Qu.: 106.2  
 Mode  :character   Median :2015-01-01   Median : 335.67   Median : 340.68   Median : 331.20   Median : 335.1  
                    Mean   :2015-01-01   Mean   : 382.70   Mean   : 386.38   Mean   : 378.67   Mean   : 382.6  
                    3rd Qu.:2016-01-01   3rd Qu.: 581.47   3rd Qu.: 585.86   3rd Qu.: 576.52   3rd Qu.: 582.1  
                    Max.   :2016-12-30   Max.   :1226.80   Max.   :1228.88   Max.   :1218.60   Max.   :1220.2  
     volume             adjusted     
 Min.   :     7900   Min.   : 13.14  
 1st Qu.:  2699875   1st Qu.: 74.82  
 Median :  7285600   Median :190.75  
 Mean   : 16489749   Mean   :297.12  
 3rd Qu.: 21942350   3rd Qu.:531.37  
 Max.   :365457900   Max.   :844.36

数据处理，重采样


> FB_tbl <- FANG %>%
+   filter(symbol == "FB") %>%
+   select(symbol, date, adjusted)

# 重采样参数配置
> resample_spec <- time_series_cv(
+   FB_tbl,
+   initial = "1 year",
+   assess  = "6 weeks",
+   skip    = "3 months",
+   lag     = "1 month",
+   cumulative  = FALSE,
+   slice_limit = 6
+ )
Using date_var: date

# 重采样输出
> resample_spec %>% tk_time_series_cv_plan()
# A tibble: 1,812 × 5
   .id    .key     symbol date       adjusted
                   
 1 Slice1 training FB     2015-11-19     106.
 2 Slice1 training FB     2015-11-20     107.
 3 Slice1 training FB     2015-11-23     107.
 4 Slice1 training FB     2015-11-24     106.
 5 Slice1 training FB     2015-11-25     105.
 6 Slice1 training FB     2015-11-27     105.
 7 Slice1 training FB     2015-11-30     104.
 8 Slice1 training FB     2015-12-01     107.
 9 Slice1 training FB     2015-12-02     106.
10 Slice1 training FB     2015-12-03     104.
# ℹ 1,802 more rows
# ℹ Use `print(n = ...)` to see more rows

# 可视化
> resample_spec %>%
+   tk_time_series_cv_plan() %>%
+   plot_time_series_cv_plan(
+     date, adjusted, # date variable and value variable
+     # Additional arguments passed to plot_time_series(),
+     .facet_ncol = 2,
+     .line_alpha = 0.5,
+     .interactive = FALSE
+   )

timetk体验起来是非常棒的，短信几行代码，就把如何观察时间序列数据看得明明白白。

转载请注明出处：
http://blog.fens.me/r-timetk/