Copula学习(二)

import numpy as np
'''多变量单一时刻的随机相关抽样'''
class inner_copula():
    ''''''
    '''初始化函数'''
    def __init__(self, data):
        ''''''
        '''复制data到self内以及长宽高生成'''
        self.data = data  # data n*24*F
        self.data_shape=data.shape
        self.H=self.data_shape [ 0 ]   # 数据深度，有多少数据
        self.L=self.data_shape [ 1 ]   # 时间范围，
        self.N=self.data_shape [ 2 ]   # 变量个数
    '''生成并拟合copula函数'''
    def generate_copula(self):
        self.copula_models = {}
        '''如果变量数为2， 则采用Frank-copula函数'''
        if self.N == 2:
            from copulas.bivariate import Frank
            for t in range(self.L):
                '''对于每一时刻，构造copula函数并拟合函数'''
                self.copula_models [ t ] = Frank()
                self.copula_models [ t ].fit(self.data [ :, t, : ])
        else:
            '''如果变量数不为2， 则采用多变量高斯-copula函数'''
            from copulas.multivariate import GaussianMultivariate
            for t in range(self.L):
                '''对于每一时刻，构造copula函数并拟合函数'''
                self.copula_models [ t ] = GaussianMultivariate()
                self.copula_models [ t ].fit(self.data[:, t, :])

    '''copula抽样'''
    def copula_sample(self):
        ''''''
        '''初始化结果序列，是 变量数 x 时刻数 的矩阵'''
        self.results = np.zeros((self.N, self.L))
        for t in range(self.L):
            self.results [:, t] = self.copula_models [ t ].sample(1)
        return self.results

# 创建测试数据
data_shape = (9, 24, 2)
test_data = np.random.rand(*data_shape)     # *用于解包元组

# 创建 Copula 类实例
copula_instance = inner_copula(test_data)

# 生成并拟合 Copula 函数
copula_instance.generate_copula()

# 进行 Copula 抽样
results = copula_instance.copula_sample()

# 打印抽样结果
print("Copula 抽样结果：")
print(results)