J'ai une série de données qui affiche les achats au fil du temps par numéro d'article. Les habitudes d'achat sont irrégulières, je voudrais donc lisser ces données au fil du temps et par numéro d'article.R: Lissage des données de séries temporelles par article
Si les articles avaient des commandes passées plus régulièrement (c'est-à-dire tous les jours), nous pourrions mieux tracer/évaluer nos niveaux de commande et de stockage. Cependant, certaines personnes achèteront l'excédent d'un article pour ne pas avoir à le réapprovisionner. Voilà donc biaiser nos données de niveau par (Puisqu'un 1 jour total pourrait vraiment être la valeur d'une semaine de produit car ils ne pouvaient commandera une fois par semaine
Reproductibles Exemple:.
POData <- structure(list(a = structure(c(1499918400, 1499918400, 1499918400,
1499918400, 1499918400, 1499918400, 1496376000, 1497412800, 1497412800,
1497412800, 1497412800, 1497412800, 1497240000, 1497412800, 1497412800,
1497412800, 1501214400, 1496376000, 1496376000, 1496376000, 1496289600,
1496289600, 1496289600, 1496289600, 1496289600, 1496289600, 1501214400,
1501214400, 1501214400, 1501214400), class = c("POSIXct", "POSIXt"
), tzone = ""), b = c(446032L, 101612L, 37740L, 482207L, 152360L,
4483L, 482207L, 141729L, 81192L, 482207L, 85273L, 142955L, 460003L,
142955L, 17752L, 29763L, 309189L, 361905L, 17396L, 410762L, 437420L,
17752L, 18002L, 150698L, 163342L, 433332L, 150587L, 44159L, 433332L,
446032L), c = c(4, 1, 25, 1, 1, 1, 3, 12, 12, 1, 1, 1, 300, 1,
1, 2, 6, 6, 2, 1, 1, 1, 1, 1, 1, 1, 40, 2, 1, 2)), .Names = c("PO Date",
"PS Item ID", "PO Qty"), row.names = c(NA, 30L), class = "data.frame")
Ceci est probablement une question simple, mais j'espère que quelqu'un a un moyen simple de le faire.
Cela fonctionne pour certains, mais beaucoup de valeurs finales apparaissent comme NAN - Comment puis-je faire face à ces valeurs non applicables? –