R语言时间序列分析：日历图

最新推荐文章于 2024-07-03 21:40:51 发布

一只小花豹

最新推荐文章于 2024-07-03 21:40:51 发布

阅读量553

点赞数 1

文章标签： r语言 python 开发语言

本文链接：https://blog.csdn.net/UHJKDJ/article/details/134028031

版权

日历图可以反应一年中每天的全部数据，使用阶梯渐变的颜色填充，这样一面中比较突出的数据就更加容易被察觉。并且日历图对比常规的时序图也更加直观，充满了高级感。

导入绘图包

library(ggplot2)
library(data.table) #提供data.table()函数
library(ggTimeSeries)
library(RColorBrewer)
library(dplyr)

其中data.table库可以方便我们整理数据，因为日历图想做精细化对数据有一定的要求。
ggTimeSeries是专门用于将数据转为时间序列数据，并且会将原本的格式转化为更为标准的时间序列格式。

数据处理

dat <- data.table(
  date = seq(as.Date("1/01/2014", "%d/%m/%Y"),
             as.Date("31/12/2017", "%d/%m/%Y"),"days"),#构造时间格式
  ValueCol = runif(1461)#构造对应的值
)
dat[, ValueCol := ValueCol + (strftime(date,"%u") %in% c(6,7) * runif(1) * 0.75), .I]#添加周末效应
dat[, ValueCol := ValueCol + (abs(as.numeric(strftime(date,"%m")) - 6.5)) * runif(1) * 0.75, .I]#添加月度效应
dat$Year<- as.integer(strftime(dat$date, '%Y'))   #构造年份
dat$month <- as.integer(strftime(dat$date, '%m')) #构造月份
dat$week<- as.integer(strftime(dat$date, '%W'))   #构造周将周转换为数值方便给横坐标做尺度
MonthLabels <- dat[,list(meanWkofYr = mean(week)), by = c('month') ]#按月分组构造一个两列变量
MonthLabels$month <-month.abb[MonthLabels$month]#month.abb()函数用作将数字变为月份缩写

这里是自定义了一个时间序列的数据包括其中的列包括年份、月份、周、然后又对月份值进行了中英文的互换。

绘制日历图

ggplot(data=dat,aes(date=date,fill=ValueCol))+
  
  stat_calendar_heatmap()+
  
  scale_fill_gradientn(colours= rev(brewer.pal(11,'Spectral')))+ #实现渐变色
  facet_wrap(~Year, ncol = 1,strip.position = "right")+#按年进行分面
  scale_y_continuous(breaks=seq(7, 1, -1),labels=c("Mon","Tue","Wed","Thu","Fri","Sat","Sun"))+ #构造纵坐标
  scale_x_continuous(breaks = MonthLabels[,meanWkofYr], labels = MonthLabels[, month],expand = c(0, 0))+ #构造横坐标
  xlab(NULL)+ 
  ylab(NULL)+
  theme( panel.background = element_blank(),
         panel.border = element_rect(colour="grey60",fill=NA),
         strip.background = element_blank(),#设置分面头背景色
         strip.text = element_text(size=13,face="plain",color="black"),#设置分面头文本
         axis.line=element_line(colour="black",size=0.25),
         axis.title=element_text(size=10,face="plain",color="black"),
         axis.text = element_text(size=10,face="plain",color="black"))#设置轴标签的字体大小为10，不使用粗体，颜色为黑色。

在这里插入图片描述
上面的图反应的是2014-2017年的数据，具体的值是随机序列，并没有实际含义，我们可以把它当作某个事情发生的概率，或者出现的次数都可以。

有时候我们可能不需要这么多年的数据，只想对其中某一年的数据进行分析，那么这里可以在整个数据中进行筛选。

数据筛选

dat17 <- filter(dat,Year==2017)[,c(1,2)]

dat17$month <- as.integer(strftime(dat17$date, '%m'))  #月份


dat17$monthf<-factor(dat17$month,levels=as.character(1:12),
                     labels=c("Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"),
                     ordered=TRUE)#将月份转化为缩写并定义排序方式，直接缩写会导致月份乱序

dat17$weekday<-as.integer(strftime(dat17$date, '%u'))#周数

dat17$weekdayf<-factor(dat17$weekday,levels=(1:7),
                       labels=(c("Mon","Tue","Wed","Thu","Fri","Sat","Sun")),
                       ordered=TRUE)#将星期按顺序排



dat17$yearmonth<- strftime(dat17$date, '%m%Y')   #月份
dat17$yearmonthf<-factor(dat17$yearmonth)
dat17$week<- as.integer(strftime(dat17$date, '%W'))#周数


dat17<-dat17 %>% group_by(monthf)%>%mutate(monthweek=1+week-min(week))
dat17$day<-strftime(dat17$date, "%d")

上面对2017年的数据进行了筛选，去除了其他年份的数据并对数据进行了月份等的提取。

2017年份日历图

ggplot(dat17, aes(weekdayf, monthweek, fill=ValueCol)) + 
  geom_tile(colour = "white") +
  scale_fill_gradientn(colours=rev(brewer.pal(11,'Spectral')))+
  geom_text(aes(label=day),size=3)+
  facet_wrap(~monthf ,nrow=3) +
  scale_y_reverse()+#翻转坐标
  xlab("Day") + 
  ylab("Week of the month") +
  theme(strip.text = element_text(size=11,face="plain",color="black"))