Câu hỏi được gắn thẻ «time-series»

Chuỗi thời gian là một chuỗi các điểm dữ liệu với các giá trị được đo tại các thời điểm liên tiếp (trong thời gian liên tục hoặc tại các khoảng thời gian rời rạc). Phân tích chuỗi thời gian khai thác trật tự thời gian tự nhiên này để rút ra ý nghĩa và xu hướng từ dữ liệu cơ bản.






8
Pandas có thể vẽ biểu đồ ngày tháng không?
Tôi đã lấy Chuỗi của mình và ép buộc nó vào cột ngày giờ của dtype = datetime64[ns](mặc dù chỉ cần độ phân giải theo ngày ... không chắc chắn cách thay đổi). import pandas as pd df = pd.read_csv('somefile.csv') column = df['date'] column = pd.to_datetime(column, coerce=True) nhưng âm mưu …


2
Làm thế nào để phân tích cú pháp mili giây?
Làm cách nào để sử dụng strptimehoặc bất kỳ hàm nào khác để phân tích cú pháp tem thời gian với mili giây trong R? time[1] # [1] "2010-01-15 13:55:23.975" strptime(time[1], format="%Y-%m-%d %H:%M:%S.%f") # [1] NA strptime(time[1], format="%Y-%m-%d %H:%M:%S") # [1] "2010-01-15 13:55:23"`



2
Gấu trúc: Phân đoạn dữ liệu ngoằn ngoèo dựa trên cực tiểu địa phương
Tôi có một dữ liệu thời gian. Tạo dữ liệu date_rng = pd.date_range('2019-01-01', freq='s', periods=400) df = pd.DataFrame(np.random.lognormal(.005, .5,size=(len(date_rng), 3)), columns=['data1', 'data2', 'data3'], index= date_rng) s = df['data1'] Tôi muốn tạo một đường zig-zag kết nối giữa cực đại cục bộ và cực tiểu cục bộ, thỏa mãn điều kiện …

1
Làm cách nào tôi có thể sử dụng lệnh `td` từ gói` tempdisagg` để phân chia dữ liệu hàng tháng thành tần số dữ liệu hàng ngày?
Tôi có dữ liệu tần suất hàng tháng mà tôi đang cố gắng phân tách thành dữ liệu tần suất hàng ngày. Vì vậy, tôi sử dụng tdlệnh từ tempdisagggói trong R bằng cách sử dụng mã dưới đây: dat=ts(data[,2]) result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog") …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.