用于生成预测的Plyr

Question

作为学习plyr的练习，我尝试对Rob Hyndman最近的一篇帖子做一个plyr版本：

library(forecast); library(plyr)
# Hyndman, R. J. (2013, Jan 7). Batch forecasting in R
# Retrieved Jan 8, 2013, from Research Tips: http://robjhyndman.com/researchtips/batch-forecasting/

retail <- read.csv("http://robjhyndman.com/data/ausretail.csv",header=FALSE)
retail <- ts(retail[,-1],f=12,s=1982+3/12)

ns <- ncol(retail)
h <- 24
fcast <- matrix(NA,nrow=h,ncol=ns)
for(i in 1:ns)
  fcast[,i] <- forecast(retail[,i],h=h)$mean

write(t(fcast),file="retailfcasts.csv",sep=",",ncol=ncol(fcast))

但是，我一直在挣扎。这是我的尝试：

n.cols <- ncol(retail)
h <- 24
series.names <- names(retail[,2:n.cols])

fcast.func <- function(retail) {
  retail.ts <- ts(retail,f=12,s=1982+3/12)  
  fcast.func <- forecast(retail.ts,h=h)$mean
}

ddply.fcast <- ddply(.data=retail[,2:n.cols], .variables=series.names, .fun=colwise(fcast.func))

它不返回值。有没有人能帮我纠正一下我对plyr的误解？

Answer 1

问题是您使用ddply(，其中第一个d = datatype of input = data.frame和第二个d = datatype of output = data.frame (again)。但是，您提供的retail[, 2:ncols]输入不是data.frame。

class(retail)
[1] "mts" "ts"

相反，你可以做的是ldply，它接受一个list作为输入，运行你的函数并尝试输出一个data.frame。你可以用这种方式来完成。

require(forecast)
require(plyr)

retail <- read.csv("http://robjhyndman.com/data/ausretail.csv",header=FALSE)
retail <- ts(retail[,-1],f=12,s=1982+3/12)

ns <- ncol(retail)
h <- 24
plyr.fcast <- t(ldply(1:ns, function(idx) {
    c(forecast(retail[, idx], h = h)$mean)
}))

这需要相当多的时间。如果您想要并行运行(假设您在具有多个内核的集群/机器上运行)，则可以安装doMC包，然后按如下方式使用它：

require(doMC)
registerDoMC(20) # BEWARE: use it if you have 20 processors available!!
plyr.fcast <- t(ldply(1:ns, function(idx) {
    c(forecast(retail[, idx], h = h)$mean)
}, .parallel = TRUE))

转置给出的结果等于fcast，并且还将data.frame输出从plyr类型转换为matrix。因此，您可以使用相同的write语法来写入文件。

希望这能有所帮助。