我正试图将季节性、趋势和残差与时间序列'XYZ.csv‘(两年的销售数据)区分开来。
XYZ.csv包含2列-日期和销售。日期已设置为代码中的索引。
import pandas as pd
import statsmodels.api as sm
df = pd.read_csv('XYZ.csv')
df.date=pd.to_datetime(df.date)
df.set_index('date',inplace=True)
res = sm.tsa.seasonal_decompose
(df.colA.interpolate(),fr
我使用的是高光谱数据的光谱指数代码。https://github.com/serbinsh/R-FieldSpectra这是我正在使用的程序的链接。我转到步骤2,在第19行,我收到对象'dims‘not found的错误。这是我收到错误的代码行。 for (i in 1:dims[1]){ print(paste("File: ",spectra$Spectra[i],sep="")) }
我使用numpy和pyfits来操纵光谱,并且我需要高精度(大约小数点8-10位在一个可能高达10^12的值上)。因此,数据类型“十进制”将是完美的(float64不够好),但不幸的是,numpy.interp不喜欢它:
File ".../modules/manip_fits.py", line 47, in get_shift
pix_shift = np.interp(x, xp, fp)-fp
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1053, in