나는 파이썬으로 바가있는 시계열을 그려보고자한다. 막대 너비가 각 막대의 시작 및 종료 시간입니다. 이벤트 유형은 레이블 및 막대의 높이를 만드는 개수와 동일합니다. 팬더 데이터 프레임에서 데이터는 다음과 같습니다. end event counts
start
2016-10-02 16:58:00 2016-10-02 17:28:00
나는 첫 번째 열이 날짜와 시간에 속하는 23 개의 열이있는 데이터 프레임을 가지고 있습니다. >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 04:0
나는 30 개의 시간 간격으로 정의 된 3 개의 시계열 A, B 및 C를 가지고 있습니다. 나는 입력으로 시간 단계 1에서 30까지의 A, B의 값과 시간 단계 1에서 시간 단계 10까지의 C의 값을 입력으로 받아 나머지 20 개의 시간 간격에 대해 C의 값을 예측하는 LSTM을 작성하려고합니다. 즉, 다른 크기 (30 및 10)의 시퀀스 입력을 처리하는
에 영향을 미치는 요인에 의한 시계열 나는 다음과 같은 시계열 있습니다 cf <- cbind(data.frame(date=as.Date(c("2017/11/28", "2017/11/25","2017/11/04","2017/09/25"))),cumfactor=c(0.8,0.7,0.6,.05))
: ts <- cbind(data.frame(date=seq(
저는 거의 5 년간의 평균 기온이 포함 된 CSV 파일을 가지고 있습니다. statsmodels.tsa.seasonal에서 seasonal_decompose 함수를 사용하여 분해 한 결과, 다음과 같은 결과가 나타납니다. 사실, 결과는 어떤 계절도 보여주지 않습니다! 그러나 트렌드에 명확한 sin이 나타납니다. 왜 그런지 궁금하고 어떻게 해결할 수 있습니까
본질적으로 각 랩에 자체 경과 시간이있는 일련의 랩 인 데이터가 있지만 전체 경과 시간을 계산하려고합니다. 다음은 유사한 데이터가 일부 코드입니다 : 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
계절 https://github.com/welch/seasonal의 "예제 사용"을 시도했습니다. 코드는 다음과 같습니다. import math
from seasonal import fit_seasons,adjust_seasons
import pandas as pd
import matplotlib.pyplot as plt
import numpy as
기본적으로 기간별 가격 변경 정보를 포함하는 일부 시간 데이터가 있습니다. 예를 들어, 가정 해 봅시다 :는 df = pd.DataFrame(columns = ['TimeStamp','PercPriceChange'])
df.loc[:,'TimeStamp']=[1457280,1457281,1457282,1457283,1457284,1457285,145728
은 내가 MongoDB의 문서에 중첩 다음과 같은 시계열 배열 ("데이터"라는 이름의)를 가지고 "_id" : ObjectId("5a235e645bb1000704593960"),
"data" : [
{
"Volume" : NumberLong(41527200),
"Adj Close" : 171.850006,
"Hig
박테리아가 치료와 비슷한 두 가지 수준 (핵산)에서 어떻게 반응 하는지를 알고 싶은 실험에서 다음 데이터를 얻었습니다. 치료는 0 일째 (수직 점선)에 샘플링 한 후에 일어났습니다. 보시다시피, 더 풍부 해졌습니다 (선은 평균, 점은 3 배 측정 됨). 나는 생물학적 복제물이 아니라 3 가지 기술 복제물 (동일한 샘플에서 3 번 실험실 작업을 수행함)을 보