时间序列
文章平均质量分 52
时间序列
WGS.
道阻且长,与君共勉:你若对得起时间,时间便会对得起你。
展开
-
python 获取时间序列中断开的时间,并进行插值处理
文章目录获取断开的时间插值处理获取断开的时间import timefrom datetime import datetime, timedelta, dateimport numpy as npimport pandas as pdimport mathfrom scipy import interpolatedicts = [ {'date_time': '2021-06-01', 'ecpm_tom': 13}, {'date_time': '2021-06-02',原创 2021-07-11 17:47:07 · 1213 阅读 · 1 评论 -
三次样条插值详解(附代码实现)
文章目录前言引入二次样条的原理二次样条代码实现三次样条的原理三次样条代码实现前言当已知某些点而不知道具体方程时候,最经常遇到的场景就是做实验,采集到数据的时候,我们通常有两种做法:拟合或者插值。拟合不要求方程通过所有的已知点,讲究神似,就是整体趋势一致。插值则是形似,每个已知点都必会穿过,但是高阶会出现龙格库塔现象,所以一般采用分段插值。今天我们就来说说这个分段三次样条插值。引入首先我们先抛开众多的回归算法不谈, 我们对于给出如下的离散的数据点,现在想根据如下的数据点来推测 x=6 时的值,我们应该原创 2021-06-18 10:34:00 · 30792 阅读 · 9 评论 -
时间序列 插值代码实现
文章目录先来看一下需求直接上代码,需要的自行修改首先需要获取断开的时间,以及要往前插的时间将日期转为数字,便于插值对断开的数据进行三次样条插值,对其余的往前取均值插插值完成全部代码有关scipy interpolate的差值方法demo可以参考如下两篇文章先来看一下需求有一个时间序列数据,例如如下:x = ['2021-05-10', '2021-05-11', '2021-05-12', '2021-05-13', '2021-05-16']y = [3.4783, 1.25, 1.1111, 1原创 2021-06-17 16:57:39 · 8821 阅读 · 2 评论 -
The given frequency argument could not be matched to the given index.
定位出错代码:model = ARIMA(endog=lodata['ecpm_tomorrow'], exog=exdata.values, order=(p, 0, q), freq='D')错误解析:给定的频率参数无法与给定的索引匹配于是就想到了freq='D',这个的意思是说偏移的值是每天,所以怀疑我的数据有几天是断开了,打印看看:果然时间断开了解决办法:去掉 freqmodel = ARIMA(endog=lodata['.原创 2021-06-16 15:19:32 · 1996 阅读 · 0 评论 -
ARIMA:差分还原
首先来看表达式:xn−xn−1=dx_n - x_{n-1} = dxn−xn−1=dxn=d+xn−1x_n = d + x_{n-1}xn=d+xn−1由此可知,我们只需要将差分后预测出来的数据,加上原数据往后搓一位即可。代码如下:# 一阶差分还原# tmpdata2:原数据# pred:一阶差分后的预测数据df_shift = tmpdata2['ecpm_tomorrow'].shift(1)predict = pred.add(df_shift)# predict原创 2021-06-16 11:17:27 · 11466 阅读 · 6 评论 -
ARIMA预测: new exog needed for each step
先来定位出错位置:test = data_gp.iloc[-1]extest = test[['impressions', 'clicks', 'revenue']]y_forecasted = result.forecast(steps=1, exog=extest)[0]print('{} {}'.format(test['ecpm_tomorrow'], y_forecasted))我们点进去源码看:可见我们的外生变量的维度和要预测几天是不相同的。再看如下分析:test= data原创 2021-06-16 10:17:21 · 465 阅读 · 0 评论 -
ARIMA如何引入外生变量
model = ARIMA(endog=tmpdata2, exog=exdata.values, order=(1, 0, 2), freq='D')注意:预测的时候也需要给入外生变量原创 2021-06-15 16:21:52 · 2281 阅读 · 7 评论