Xử lý Dữ liệu Chuỗi Thời gian trong R

Tại đây, bạn sẽ học cách lấy các thuộc tính then chốt của thông tin chuỗi thời gian, như phạm vi thời gian của dữ liệu và tần suất lấy mẫu, để hiểu dữ liệu của bạn tốt hơn. Bạn cũng sẽ được giới thiệu gói zoo, chứa các công cụ và hàm để tạo và xử lý các đối tượng chuỗi thời gian. Nhiều ứng dụng khoa học dữ liệu trong R sử dụng mô hình data frame; bạn sẽ học cách chuyển đổi giữa data frame và chuỗi thời gian.

Bạn sẽ học cách trích một cửa sổ quan sát từ chuỗi thời gian để tập trung vào một khoảng thời gian quan tâm cụ thể. Bạn sẽ thấy rằng khi làm việc với dữ liệu chuỗi thời gian thực tế, khoảng thời gian của bộ dữ liệu có thể bao trùm nhiều thông tin hơn mức bạn cần, dễ làm rối biểu đồ. Bạn sẽ lấy mẫu dữ liệu chuỗi thời gian ở nhiều mức, như mỗi phút, giờ, tháng hoặc năm. Hơn nữa, bằng cách tổng hợp dữ liệu, bạn sẽ nhận ra các xu hướng tổng thể trong dữ liệu bằng gói xts. Bạn cũng sẽ học các phương pháp "imputing" dữ liệu – điền giá trị thiếu bằng giá trị cố định, LOCF hoặc nội suy tuyến tính.

Bạn sẽ học cách tạo các cửa sổ “cuộn” (rolling) của chuỗi thời gian di chuyển theo dữ liệu, giúp tóm tắt xu hướng theo thời gian, ví dụ như trung bình qua một số tháng quan sát hoặc tổng qua vài tuần doanh số. Các số liệu thống kê tổng quát như mean, median, sum, maximum, v.v. không phải lúc nào cũng cho thấy cách dữ liệu thay đổi theo thời gian, và cửa sổ cuộn sẽ cho phép bạn tính toán thống kê một cách linh hoạt theo thời gian. Bên cạnh cửa sổ cuộn, bạn cũng sẽ học cách tạo cửa sổ mở rộng (expanding), cho thấy cách các số liệu thống kê tóm tắt tiến dần đến giá trị cuối cùng của chúng.