我有许多这种格式的时间序列 1 列，其中我有日期（d/m/yr）格式和许多代表不同时间序列的列，如下所示：
DATE TS1 TS2 TS3 ...
24/03/2003 0.00 0.00 ...
17/04/2003 -0.05 1.46
11/05/2003 0.46 -3.86
04/06/2003 -2.21 -1.08
28/06/2003 -1.18 -2.16
22/07/2003 0.00 0.23
使用 R，我如何对显示相似趋势的时间序列进行分组？
第1步
对时间序列数据执行快速傅立叶变换。这会将您的时间序列数据分解为均值和频率分量，并允许您使用变量进行聚类，这些变量不会像许多原始时间序列那样显示出严重的自相关。
第2步
如果时间序列是实值的，则丢弃快速傅里叶变换元素的后半部分，因为它们是多余的。
第 3 步
分离每个快速傅里叶变换元素的实部和虚部。
第4步
对每个频率元素的实部和虚部执行基于模型的聚类。
第 5 步
按集群绘制时间序列的百分位数以检查它们的形状。
或者，您可以省略快速傅立叶变换的 DC 分量，以避免您的集群基于均值，而不是基于傅立叶变换定义的序列，该序列表示时间序列的形状。
您还需要计算快速傅里叶变换的幅度和相位角，以便您可以探索簇内时间序列光谱的分布。请参阅此 StackOverflow 答案，了解如何对实值数据执行此操作。
您还可以通过从幅度和相位角计算傅里叶级数，按集群绘制时间序列形状的百分位数（生成的时间序列估计不会完全匹配原始时间序列）。您还可以按集群绘制原始时间序列数据的百分位数。这是一个这样的图的例子，它来自我今天刚刚做的 NDVI 数据的谐波分析：
最后，如果您的时间序列不是平稳的（即均值和方差随时间变化），则使用小波变换可能比傅里叶变换更合适。您会以获取有关位置信息的同时获取有关频率的信息为代价这样做。