time-series

-1熱

1答えて

列内の各名前値の時系列をどのように分解し、すべてをテーブルにエクスポートするのですか

データフレーム（DF）には複数の列がありますが、対象列は日付、インデックス、サイトです。サブセット表はこちらです：時系列は、年のための23回の観測で353 JD 2015年に2006ユリウス日1に開始および終了https://www.dropbox.com/s/48165ey5rsv628c/DATA.csv?dl=0 SITE date index A 2006.001 0.394 A

0熱

1答えて

時系列チャートの解釈

私はPythonを使って時系列解析を行っていました。私は次のパターンを観察します。 ACFは遅れ12で切り捨てられ、PACFは尾を引くので、これは私がこのシリーズにMA（12）を適合させることを意味するのでしょうか？さて、私は実際にカーブにMA（12）を装着し、私は取得しています次：ほとんどの係数が実際に重要ではありません。私はこれらのナンがどのように出てくるのかよく分かりません。

1熱

1答えて

複数の列と行

ためのRで毎日のリターンを見つける私は約2〜3年 Date P1 P2 P3 P4...........P70 28-Apr-13 135.3 135.98 132.1 134.2 29-Apr-13 134.44 147.49 134 144.54 30-Apr-13 144 146.93 134.05 139 1-May-13 139 139.89 107.7

-4熱

1答えて

Pythonのバーとしての時系列イベントをプロットする

私は、時系列を棒グラフでプロットしたいと思います。バーの幅は各バーの開始時間と終了時間です。ラベルとしてのイベントタイプと、バーの高さを示すカウント。パンダのデータフレームでは、データは次のようになります。 end event counts start 2016-10-02 16:58:00 2016-10-02 17:28:00 700 181 2016-

0熱

1答えて

月々の時系列の集計

私は最初の列が日付と時刻に一緒に属している23の列を持つデータフレームを持っています。 >str(combined) 'data.frame': 100082 obs. of 23 variables: $ date: POSIXlt, format: "2004-01-01 01:00:00" "2004-01-01 03:00:00" "2004-01-01 04:00:00" "20

2熱

1答えて

ケラでの（自動）予測のためのパディング時系列

私は30のタイムステップで定義される3つの時系列A、B、Cを持っています。私は時間ステップ1から30までのA、Bの値と時間ステップ1から時間ステップ10までのCの値を入力として残りの20の時間ステップのCの値を予測するLSTMを構築したいと考えています。言い換えれば、異なるサイズ（30と10）のシーケンス入力を処理するLSTMを構築する必要があります。私の考えは、入力時系列Cをパディング（例えば0

1熱

1答えて

Pythonで季節的に分解する

私は、ほぼ5年間の平均気温を含むCSVファイルを持っています。 seasonal_decomposeの機能を使用して分解した後、statsmodels.tsa.seasonalから次の結果が得られました。実際、結果には季節的な変化は見られません！しかし、私はトレンドで明確なsinを参照してください！私はなぜそれが不思議に思っています、どうすれば修正できますか？ありがとうございました。 nresul

0熱

1答えて

時系列サンプル（ラップ）の繰り返しからの経過時間を計算します

データは基本的に各ラップに独自の経過時間がある一連のラップですが、合計経過時間を計算しようとしています。はここで同様のデータを持っているいくつかのコードです： lap laptime timediff elapsed 0 1 1 NaN 1 1 1 2 1.0 2 2 1 3 1.0 3 3 1 4 1.0 4 4 1 5 1.0 5 5 2

0熱

1答えて

トレンドと季節調整済みの違いは何ですか？

私は季節https://github.com/welch/seasonalの "使用例"を試しました。コードは以下の通りです。 import math from seasonal import fit_seasons,adjust_seasons import pandas as pd import matplotlib.pyplot as plt import numpy as np

2熱

2答えて

パンダはこのように見て、私はパートナーによって再構築したい、私はパンダのデータフレーム持って

時系列行（重複と不幸を...） Date Partner Value 2017-02-01 Partner1 150 2017-03-01 Partner1 170 2017-02-01 Partner2 160 2017-03-01 Partner2 185 2017-02-01 Partner1 40 2017-03-01 Partner1 90 に列を再構築： Partne