如果时间序列对象是一个tsible，那么下面的代码就很有效：假设数据框名为df，您感兴趣的变量名为var，您可以另外指定max lag
df %>% group_by(Region) %>% ACF(var, lag_max = 18) %>% autoplot()

我不确定我是否完全理解您要查找的信息，但如果您只需要多个组的acf值，这应该可以实现。有人提到创建tidy解决方案，该解决方案使用dplyr、tidyr和purrr进行分组计算。

library(dplyr)
library(tidyr)
library(purrr)

sample_data <- dplyr::data_frame(group = sample(c("a", "b", "c"), size = 100, replace = T), value = sample.int(30, size = 100, replace = T)) 
head(sample_data)
#> # A tibble: 6 × 2
#>   group value
#>   <chr> <int>
#> 1     c    28
#> 2     c     9
#> 3     c    13
#> 4     c    11
#> 5     a     9
#> 6     c     9

grouped_acf_values <- sample_data %>%
  tidyr::nest(-group) %>%
  dplyr::mutate(acf_results = purrr::map(data, ~ acf(.x$value, plot = F)),
         acf_values = purrr::map(acf_results, ~ drop(.x$acf))) %>%
  tidyr::unnest(acf_values) %>%
  dplyr::group_by(group) %>%
  dplyr::mutate(lag = seq(0, n() - 1))

head(grouped_acf_values)
#> Source: local data frame [6 x 3]
#> Groups: group [1]
#> 
#>   group  acf_values   lag
#>   <chr>       <dbl> <int>
#> 1     c  1.00000000     0
#> 2     c -0.20192774     1
#> 3     c  0.07191805     2
#> 4     c -0.18440489     3
#> 5     c -0.31817935     4
#> 6     c  0.06368096     5

你可以用split把 Dataframe 分成桶，然后用lapply把你的函数应用到每一组。

groups_data <- split(data, data$b)
groups_acf <- lapply(groups_data, acf,...)

然后，您必须从输出列表中提取所需的信息，例如使用'sapply（groups，acf，FUN=function（acfobject）{acfobject$value}）
对于群的计算，我也肯定会用新的方法“à la”Hadley威克姆的%>%算子和group_by;学习我的待办事项。