dcast/melt взяты из {reshape}/{reshape2}, которые были предыдущим поколением {tidyr}, в котором сначала они заменились на gather/spread, потом на pivot_wider/longer

melt/dcast есть судя по всему от разных пакетов, я их воспринимаю как включенными в data.table:

https://www.rdocumentation.org/packages/data.table/versions/1.14.0/topics/dcast.data.table

https://cran.r-project.org/web/packages/data.table/vignettes/datatable-reshape.html

https://riptutorial.com/data-table/example/6789/melt-and-cast-with-data-table

dcast топовый. Из недостатков - для тонкой настройки сортировки столбцов/строк надо лезть в factor-ы.

Я melt/dcast пользуюсь просто потому, что он хотя бы под более быстрый data.table заточен) А так, я до конца не понимаю смысла существования tidyverse - пакетов.

Использовал оттуда разве что 2-3 сложные функции типа fill и всё.

кажется, в той одной группе Вас обманули. Ни припомню здесь жалоб на тему "питон захватил все вакансии".
Из опыта: 3 года назад пришел в компанию, где был единственным R-щиком. На сегодня уже 4 человека в отделе аналитики научились юзать R, еще двое учатся, знание R стало маст хэв в требованиях вакансий.

есть data.table::nafill()

были)

Всем день добрый

По роду деятельности, столкнулся с задачей, которую... незнаю как правильно загуглить)) Надеюсь наведете на мысль (а в идеале даже подскажете модель/метод/пакет?)
Меня интересует определенная ситуация во временных рядах. Приведу пример

Есть данные по дням за длительный период (продажи).  Внутри недели - будни имеют +- одинаковый уровень а выходные уровень выше. Однако периодически бывают случаи, когда 1 из дней (допустим будний) имел не лучшую погоду, из за чего продажи внутри данного дня провалились. Часть продаж этого дня переходит на следующий день (тоесть то что не дошло в 1 день приходит в другой. Напоминает качели)
Увы, незнаю как можно обозвать этот эффект (для поиска в гугле)

Сейчас с этим борюсь 2 способами
1. Беру среднее по будням минус показатель дня. Передаю как фичу
2. Использую лаги (до +14 дней)

Имеется ощущение, что текущая модель не до конца "кушает" данную информацию и скорр можно улучшить.

Собственно основной вопрос - как правильно обозвать данный эффект? (что б хотя бы погуглить смог).
Мб Вы работали с похожей задачей и исп. какие то доп фичи?
Сейчас исп. h2o в R для данной задачи, скорр хороший, но мб у Вас имелся опыт с другой моделью/методом? Мб есть библиотека какая, которая уже учитывает описанный выше нюанс?
В общем буду рад любым Вашим комментам

м5 ноутбуки шерсчу)) Пока тихо...

Я бы в качестве базы использовал ARIMA с внешними(экзогенными) придикторами и сезонностью

по идее можно сгладить ряд скользящей средней, и "качели" уйдут
ещё как вариант использовать погоду как фичу (и её лаги), архивы погоды когда-то в интернете находил, хотя для вашей местности (не знаю откуда Вы) не факт что будут

Прогноз погоды слава богу можно взять готовый ))

мда

Да!!! )) Я уже испугался, что один его вижу

Погода как фича уже используется) И среднее + среднее скользящее есть.
Находимся по многим городам РФ
Проблема не столько в качелях, сколько попытаться использовать само наличие этих качелей для увеличения точности. Но как обозвать это все - увы...

Качели хорошо обрабатывает ARIMA и экспоненциальное сглаживание

ARIMA - (декомпозиция) и по отдельным рядам прогноз - как фича тоже присутствует.

Правда часто отбрасывается из за высокой корреляции кстати. Рекомендуете попробывать ее оставить все равно?

По временным рядам ещё спектральный и топологический анализ хвалят

АRIMA - попсовая штучка