从时间序列数据中提取统计信息

xhz

从时间序列数据中提取统计信息如果需要得出一些重要结论，需要从一个给定的数据中提取一些统计数据。 平均值，方差，相关性，最大值和最小值是这些统计中的一部分。 如果您想从给定的时间序列数据中提取此类统计信息，则可以使用以下代码 -
平均值
可以使用mean()函数来查找平均值，如下所示 -
timeseries.mean()

例子代码的输出是 -
-0.11143128165238671

最大值
可以使用max()函数来查找最大值，如下所示 -
timeseries.max()

那么在讨论的例子中观察的输出是 -
3.4952999999999999

最小值
可以使用min()函数来查找最小值，如下所示 -
timeseries.min()

那么在讨论的例子中观察的输出是 -
-4.2656999999999998

一次性获得所有
如果您想一次计算所有统计数据，则可以使用describe()函数，如下所示 -
timeseries.describe()

那么观察上面例子的输出是 -
count   817.000000mean     -0.111431std       1.003151min      -4.26570025%      -0.64943050%      -0.04274475%       0.475720max       3.495300dtype: float64

重新取样
可以将数据重新采样到不同的时间频率。 执行重新采样的两个参数是 -

• 时间段
• 方法
  

使用mean()重新采样
以下代码使用mean()方法重新采样数据，这是默认方法 -
timeseries_mm = timeseries.resample("A").mean()timeseries_mm.plot(style = 'g--')plt.show()

然后，可以观察下面使用mean()重采样输出的图形 -

使用median()重新采样
使用以下代码使用median()方法重新采样数据 -
timeseries_mm = timeseries.resample("A").median()timeseries_mm.plot()plt.show()

然后，观察下面的图形是使用median()重新采样的输出 -

滚动平均值
使用下面的代码来计算滚动(移动)的平均值 -
timeseries.rolling(window = 12, center = False).mean().plot(style = '-g')plt.show()然后，观察滚动(移动)平均值的输出图表 -


//更多请阅读：https://www.yiibai.com/ai_with_p ... me_series_data.html