Теплові карти для візуалізації часових рядів.

Застосування теплових карт при аналізі часових рядів дає значно більше інформації, ніж традиційні графіки.
Теплова карта - графік, де значення представлені у вигляді кольорів.  Детальніше про теплові карти в загальному розкаже вікіпедія, а ми розглянемо як їх застосовувати при візуальному аналізі часових рядів.
Для прикладу проаналізуємо кількість відвідувань цього блогу від 15 січня 2010.
У традиційному представленні часового ряду графік  виглядає так:

Фактично тут представлено два виміри: день та значення . Таке представлення дозволяє виявити наявність тренду. В той же час, теплова карта для цих даних, дозволяє виявити ще й сезонну та тижневу складову з допомогою лише візуального аналізу:

Бачимо, що статистика за більш ніж два з половиною роки вмістилась в один невеликий, акуратний, а головне легкий для сприйняття, графік. Кількість представлених вимірів зросла до п'яти (рік, місяць, день тижня, число та значення).

Як можна використати таке представлення?

Такий тип візуалізації можна застосувати при аналізі даних за великий період часу (рік і більше) у різних сферах (кількість відвідувачів сайту, кількість замовлень в інтернет-магазині, кількість дзвінків в контакт-центр, кількість затримок авіарейсів, зміна валютних курсів і т.д.).


Як зобразити таку календарну теплову карту?

Безпосередньо цей графік було побудовано в R з використанням функції CalendarHeat, автором якої є Paul Bleicher. Вхідними параметрами є вектор дат (у форматі POSIXlt або  character  у вигляді "%Y-%m-%d" ) та вектор значень у ці дні.  Завантажити код функції, а також переглянути інший варіант використання можна тут.
Також можна скористатись Java Script бібліотекою D3.js. Приклад побудови тут.

Часові ряди в R. Прогнозування декомпозицією

Часовий ряд - набір значень певної змінної через задані проміжки часу. Прикладом може бути температура повітря протягом дня.  Тут є можливість ознайомитись з числовими рядами в різних сферах.  Аналіз часових рядів дозволяє робити припущення про наступні значення змінної у майбутньому.  Точність цього прогнозу залежить від характеру ряду та методу аналізу, який застосовується. 

R надає потужні інструменти для дослідження часових рядів. Спробуємо сьогодні проаналізувати ряд з такими характеристиками:

Змінна величина: кількість клієнтів, які чекають на обслуговування.

Часовий інтервал: 5 хв.

Вхідні дані  у форматі .csv