时序分析 46 -- 时序数据转为空间数据 (五) 马尔可夫转换场 python 实践（上）

最新推荐文章于 2024-06-02 12:57:49 发布

置顶

Magic Ktwc37

最新推荐文章于 2024-06-02 12:57:49 发布

阅读量4k

点赞数 5

分类专栏：时序分析文章标签： python 开发语言 pandas 时序分析马尔可夫模型

本文链接：https://blog.csdn.net/weixin_43171270/article/details/127833559

版权

时序分析 46 时序数据转为空间数据 (五)

马尔可夫转换场 python 实践（上）

前面的博文中我们介绍了马尔可夫转换场的基本理论知识，本篇文章中我们来进行一些实践。

数据准备

本节中，我们使用的数据全部采集自工业设备，时间跨度为一年，采集频率为一个小时。

import matplotlib.pyplot as plt
import numpy as np
import os
import pandas as pd
import sys

from matplotlib import gridspec
from numba import njit, prange
from pyts.image import MarkovTransitionField

import tsia.plot
import tsia.markov
import tsia.network_graph

%matplotlib inline
plt.style.use('Solarize_Light2')

tag_df = pd.read_csv("signal-1.csv")
tag_df["timestamp"] = pd.to_datetime(tag_df["timestamp"], format="%Y-%m-%dT%H:%M:%S.%f")
tag_df = tag_df.set_index("timestamp")
fig = plt.figure(figsize=(28,4))
plt.plot(tag_df, linewidth=0.5)
plt.show()