分类：时间序列

2021
06-23

R语言中时间序列分析浅析

时间序列是将统一统计值按照时间发生的先后顺序来进行排列，时间序列分析的主要目的是根据已有数据对未来进行预测。一个稳定的时间序列中常常包含两个部分，那么就是：有规律的时间序列+噪声。所以，在以下的方法中，主要的目的就是去过滤噪声值，让我们的时间序列更加的有分析意义。语法时间序列分析中ts()函数的基本语法是timeseries.object.name<-ts(data,start,end,frequency)以下是所使用的参数的描述 data是... 继续阅读 >

2021
03-23

R语言时间序列知识点总结

时间序列对象:变量随着时间变化时间序列的回归函数(例如ar或arima)通常以时间序列作为参数许多绘图函数都有针对时间序列对象的特殊方法ts函数创建时间序列对象ts(data=NA,start=1,end=numeric(0),frequency=1,deltat=1,ts.eps=getOption("ts.eps"),class=,names=)data参数指定时间序列的观测值,其他参数指定观测值的起始区间ts函数参数的含义参数描述默认值dat... 继续阅读 >

2021
03-11

R语言时间序列中时间年、月、季、日的处理操作

1、年pt<-ts(p,freq=1,start=2011)2、月pt<-ts(p,frequency=12,start=c(2011,1))frequency=12表示以月份为单位，start表示时间开始点，start=c(2011,1)表示从2011年1月开始3、季度pt<-ts(p,frequency=4,start=c(2011,1))4、天pt<-ts(p,frequency=7,start=c(2011,1))用ts(p,frequency=365,start=(2011,1))也可以，但是这个是没有按星期对齐补充：R语言：ts()时间序列的建立ts()函数：通过一向量或者矩阵创建一... 继续阅读 >

2020
10-08

python时间序列数据转为timestamp格式的方法

在此记录自己学习python数据分析过程中学到的一些数据处理的小技巧。1.数据的读取#导入numpy库和pandas库importnumpyasnpimportpandasaspd#读取待处理的数据#file_path为文件路径名，sheet_name为需要读取的excel数据页data=pd.read_excel(file_path,sheet_name)#显示数据前5行data.head()数据读取的结果：由读取结果可以看出，时间序列数据并不规范，需要做进一步的处理。接下来将'/‘转化为'-'，并只保留时间到秒，并将时... 继续阅读 >

2020
10-04

python实现时间序列自相关图(acf)、偏自相关图(pacf)教程

自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数，纵坐标表示自相关系数偏自相关图跟自相关图类似，横坐标表示延迟阶数，纵坐标表示偏自相关系数自相关图与偏自相关图的python代码实现：fromstatsmodels.graphics.tsaplotsimportplot_acf,plot_pacfplot_acf(b.salesVolume)plot_pacf(b.salesVolume)可以看到，这个数据是偏自相关系数拖尾，自相关系数截尾的数据补充知识：python数据相关性可视化话不多说直接上代码... 继续阅读 >

2020
10-01

使用python实现时间序列白噪声检验方式

白噪声检验也称为纯随机性检验，当数据是纯随机数据时，再对数据进行分析就没有任何意义了，所以拿到数据后最好对数据进行一个纯随机性检验acorr_ljungbox(x,lags=None,boxpierce=False)#数据的纯随机性检验函数lags为延迟期数，如果为整数，则是包含在内的延迟期数，如果是一个列表或数组，那么所有时滞都包含在列表中最大的时滞中boxpierce为True时表示除开返回LB统计量还会返回Box和Pierce的Q统计量返回值：lbvalue:测试... 继续阅读 >

2020
09-29

Python如何根据时间序列数据作图

本例子程序展示了长白山火山气体地球化学2002年观测数据中CO2和He两种气体元素深度的时间序列。程序中用到了常用的时间序列python数据处理方法，箭头标识方法，适合学习基本python作图学习使用。程序中所用到的no09.csv数据样式如下：代码如下importpandasaspdimportmatplotlib.pyplotaspltimportdatetimedf=pd.read_csv('no09.csv')t=df.iloc[0:200,0]t=[datetime.datetime.strptime(i,'%Y/%m/%d')foriint]co... 继续阅读 >

2020
09-24

详解用Python进行时间序列预测的7种方法

数据准备数据集（JetRail高铁的乘客数量）下载.假设要解决一个时序问题：根据过往两年的数据（2012年8月至2014年8月），需要用这些数据预测接下来7个月的乘客数量。importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltdf=pd.read_csv('train.csv')df.head()df.shape依照上面的代码，我们获得了2012-2014年两年每个小时的乘客数量。为了解释每种方法的不同之处，以每天为单位构造和聚合了一个数... 继续阅读 >

2020
09-23

Pandas时间序列基础详解(转换,索引,切片)

时间序列的类型：时间戳：具体的时刻固定的时间区间：例如2007年的1月或整个2010年时间间隔：由开始时间和结束时间表示，时间区间可以被认为是间隔的特殊情况实验时间和消耗时间：每个时间是相对于特定开始时间的时间的量度，（例如自从被放置在烤箱中每秒烘烤的饼干的直径）日期和时间数据的类型及工具datetime模块中的类型：date使用公历日历存储日历日期（年，月，日）time将时间存储为小时，分钟，秒，微秒datetime存... 继续阅读 >

2020
09-23

Pandas时间序列:时期(period)及其算术运算详解

importpandasaspdimportnumpyasnp一、时间类型及其在python中对应的类型时间戳?timestamp时间间隔?timedelta时期?period二、时期时期表示的是时间区间，比如数日、数月、数季、数年等1.定义一个Periodp=pd.Period(2007,freq='A-DEC')#表示以12月作为结束的一整年，这里表示从2007-01-01到2017-12-31的全年pPeriod('2007','A-DEC')2.通过加减整数可以实现对Period的移动p+5Period('2012','A-DEC')p-2Period('2005','A-D... 继续阅读 >