连续分段线性拟合法在Python中的实现

问题描述我有一些短时间序列(可能是30-100个时间点),它们有一个大致的形状:它们从高开始,快速下降,可能在零附近稳定,也可能不稳定在零附近,然后回升。如果它们不平坦,它们看起来就像简单的二次曲线,如果它们平坦,你可能会得到一长串的零。我正在尝试使用lmfit模块来拟合一条连续

发布:2022-10-16 标签:pythonmathematical-optimizationtime-seriesminimizationinference


对于嵌套循环执行速度较慢,且R中有一系列小错误

问题描述我在DATA_SENSOR中有一个包含106个时序的列表。每个Tibble都有两列,分别包含日期和温度。另一方面,我在DATE_ADMIN中有一个包含106个日期的列表,其中包含我希望时间序列以Tibble结束的日期。代码运行正常,但使用嵌套的for循环会花费太多时间,因

发布:2022-10-16 标签:performancertime-seriesnested-loopstibble


使用ID和ASOF合并两个数据帧

问题描述我有两个数据框要拼接在一起,左边的数据框有信息索引by(日期,ID),右边的数据框有信息索引by(Period,ID),周期是年-月。结束时,我对左侧帧执行了GROUPBYID,遍历各个组,在右侧帧上选择相同的组,然后对左侧数据框中组的索引执行ANDASF操作,如下所示:

发布:2022-10-16 标签:pythonmergegroup-bypandastime-series


R使用lApply保存绘图

问题描述我有一个名为allAR1的模型对象列表。对于每个模型对象,我需要使用tsdiag函数来生成诊断图,然后将该图保存到一个文件夹中。我尝试使用jpeg()、lApply和dev.off()的组合将tsdiag应用到每个模型,然后将生成的绘图另存为图像文件。问题是,这似乎只保存

发布:2022-10-16 标签:graphicsrtime-series


如何将离群值作为单独的彩色标记添加到折线图中

问题描述valtime5.62021-11-1803:00:002.0342021-11-1805:00:001.1712021-11-1807:00:003.0232021-11-1809:00:004.2022021-11-1816:00:001.2022021-11-181

发布:2022-10-16 标签:pythonpandasmatplotlibtime-seriesscatter-plot


合并不同长度的长格式数据框并转换为宽格式

问题描述由于time变量(不平衡面板数据):,我想合并不同长度的长格式数据帧:set.seed(63)#functiontocreateadataframethatincludesid,timeandxfunc1<-function(size=5){x=sample(c(0,1)

发布:2022-10-16 标签:rtime-seriespanel-datadata-cleaningdata-manipulation


R:Pivot_Wide()以扩展数据帧

问题描述我在使用PIVOT_WIDER将数据帧转换为宽格式时遇到一些问题。我的数据帧如下所示:Data<-read.table(header=T,text="IDABCD16.017640.004092220.000500143101.81616.017690.004319310

发布:2022-10-16 标签:rtime-seriesdplyrtidyr


用R计算季节平均值最优雅的方法是什么?

问题描述我有均匀间隔的时间序列和每日平均观测数据。如何以最简单的方式计算季节平均值?季节应遵循DJF(=冬季:12月、1月、2月)、MAM、JJA和SON的气象命名法。这意味着12月份的值来自年份x-1。月平均值的计算方法如下:Howtocalculateamonthlymean

发布:2022-10-16 标签:rtime-seriesmean


检测时间戳数据序列中信号峰值的开始/结束

问题描述我有一个包含时间戳-数据信号的数据文件。我正在尝试检测信号的峰值以及峰值的开始和结束。参考此post,我可以毫无问题地检测到峰值。问题是如何稳健地检测峰值信号的开始/结束?如何检测信号连续上升的开始,或连续下降趋势的结束?我对数字信号处理非常陌生。欢迎提出任何建议。推荐答

发布:2022-10-16 标签:algorithmc++signal-processingtime-seriesdata-analysis


Numpy.fft.fft和numpy.fft.fftfreq有什么不同

问题描述我正在分析时间序列数据,希望提取5个主要频率分量,并将其用作训练机器学习模型的特征。我的数据集是921x10080。每一行都是一个时间序列,总共有921个。在探索可能的方法时,我遇到了各种函数,包括numpy.fft.fft、numpy.fft.fftfreq和DFT..

发布:2022-10-16 标签:pythonfftnumpytime-series