我们可以使用以下代码来绘制和分解R中的时间序列:
# Monthly Airline Passenger Numbers 1949-1960
data(AirPassengers)
data = data.frame(AirPassengers)
data
#Transform to time series
ts.data1 = ts(data=as.vector(t(data['AirPassengers'])), start = c(1949), end = c(1960), frequency=12)
#Plot seasonality, trend
plot(stl
The goal:我试图使用带通滤波器从时间序列中提取季节性和趋势成分,因为基于黄土的方法存在问题,您可以阅读更多关于的内容。
The data:这些数据是来自10年跨度的日降雨量测量数据,具有很强的随机性,并且显示出明显的年度季节性。数据可以找到。
The problem:当我执行过滤器时,循环成分按预期显示(捕捉年度季节性),但趋势分量似乎极度拟合,以致残差变得很小,由此产生的模型对样本外预测没有用处。
US1ORLA0076 <- read_csv("US1ORLA0076_cf.csv")
head(US1ORLA0076)
water_date PRCP
我需要一些帮助清理一个有多个索引的Dataframe。
看上去像这样
cost
location season
Thorp park autumn £12
srping £13
summer £22
Sea life centre summer £34
spring £43
Alton towers and so on.............
位置和季节是索引列。我想通过这些数据,删除所有三个季节中没有“季节”值的任何位置。因此,应该拆除“海洋生物中心”。
我想了解从STL函数预测R是如何工作的。所以,我不会在这里给出任何可复制的代码。
下面是我在时间序列上工作的过程
我在时间序列上使用了STL分解。
使用Box.test检查步骤1中的残差分量以消除白噪声
发现残差不是白噪声。因此,采用ARIMA模型对预测模型进行拟合。
现在,我的任务是计算预测值,其中包括a。季节和趋势成分从步骤1以上b。残差成分从ARIMA模型-从上面的步骤3。
如果我用
forecast(stl(..)),
它给了我
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
不过,我只对预测的季节性和趋
我正在制作一个机器人,目前它每隔X段时间从一个经纪人那里下载价格数据。我已经意识到,由于某些原因,值在Close/High/low/open列之间切换,这可能是由于SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame警告。
我需要帮助更改这些代码行,这些代码用于计算下载的数据。
for i in range(self.DE30EUR_1m_price_data.shape[0]):
self.DE30EUR_1m_price_data['
我正试图在使用for循环的数据帧中获取某些数据。但是当我运行循环时,我得到的只是数据的索引,而不是行中显示的值。
import pandas as pd
import numpy as np
data = {'time' : [1,2,3,4,5,6,7,8,9,10,11,12], 'values'[290,260,288,300,310,303,329,340,316,330,308,310]}
df = pd.DataFrame(data)
for i in df:
print(i)
我只得到索引,而不是值。
我也试过:
for index
我需要在Dataframe中搜索'mas‘这个词,用frase的列是Corpo,这个专栏的文本在列表中被分开,例如:我喜欢鸟-->分离的我,就像鸟。因此,我需要搜索‘马斯’在葡萄牙语弗莱斯和抓住只是‘圣诞节’之后的单词。代码需要很长时间才能执行此函数。
df.Corpo.update(df.Corpo.str.split()) #tokeniza frase
df.Corpo = df.Corpo.fillna('')
for i in df.index:
for j in range(len(df.Corpo[i])):
lista_aux =
我有一个,它包含多个季节的NHL播放器数据。我正在努力移除2018-2019年没有参加比赛的所有球员。例如,如果乔·琼斯在2018-2019赛季踢球,我想保留他那个赛季的数据,以及他参加过的任何其他赛季。
我想代码看起来会是这样的:
for player in data.players:
if data['Year'] == '2018-2019':
save player's name
else:
remove player's data
例如,我的dataframe如下所示
Ye
我编写了这段代码来获取股票市场数据,在获取数据之后,我将其保存在Mongo数据库中,然后从Mongo数据库获得所需的数据并将其转换为数据。使用行中的数据,我计算所需的值。这个手术大约需要35秒。我需要在尽可能短的时间内完成这个手术,越少越好。谢谢你的指导
%%time
from scipy.stats import norm
import numpy as np
import math
import requests
import pandas as pd
import jdatetime
import json
import time
import pymongo
start = time