时间序列趋势判断（一）——斜率阈值判断

最新推荐文章于 2025-03-10 09:26:24 发布

呆萌的代Ma

最新推荐文章于 2025-03-10 09:26:24 发布

阅读量2.5k

点赞数 1

分类专栏： python

本文为CSDN博主"呆萌的代Ma"原创文章，转载请注明博客链接：https://blog.csdn.net/weixin_35757704/

本文链接：https://blog.csdn.net/weixin_35757704/article/details/121718796

版权

最小二乘法数据拟合趋势分析 Python 斜率

关键词由CSDN通过智能技术生成

python 专栏收录该内容

595 篇文章

订阅专栏

该博客介绍了一个Python代码示例，用于通过最小二乘法拟合数据并判断其趋势。如果拟合直线的斜率绝对值大于0.1763（对应于10度的倾斜角），则认为数据呈现上升或下降趋势。代码中定义了`trendline`函数，根据拟合斜率返回‘increasing’、‘decreasing’或‘notrend’。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用最小二乘法拟合 ax+b 的a值，代表斜率，

如果abs(a) > 0.1763 (这是tan10度，相当于一个阈值，如果拟合的曲线仰角超过10度，就证明有倾向)

示例代码

import numpy as np


def trendline(data):
    """拟合后用斜率判断
    """
    index = [i for i in range(1, len(data) + 1)]
    coeffs = np.polyfit(index, list(data), 1)
    slope = coeffs[-2]
    if slope > 0.1763:  # 0.1763是 tan10°
        return "increasing"
    elif slope < -0.1763:
        return "decreasing"
    else:
        return "no trend"


if __name__ == '__main__':
    data = np.array([1, 2, 3, 4, 3, 5, 5, 7, 4, 7, ])
    print(trendline(data))