如何检测 Pandas 时间序列图中的突然变化

【问题标题】：How to detect a sudden change in a time series plot in Pandas如何检测 Pandas 时间序列图中的突然变化
【发布时间】：2019-05-31 13:51:32
【问题描述】：

我正在尝试“检测”一系列速度的突然下降，但我不知道如何捕捉它。详情及代码如下：

这是我拥有的系列的 sn-p 以及生成它的代码：

velocity_df.velocity.car1

Index   velocity
200     17.9941
201     17.9941
202     18.4031
203     18.4031

这是整个系列的情节

我正在尝试检测从 220 到 230-40 的突然下降，并将其保存为如下所示的系列：

Index   velocity
220      14.927
221      14.927
222      14.927
223      14.927
224      14.518
225      14.518
226     16.1538
227     12.2687
228     9.20155
229     6.33885
230     4.49854

我只是想在速度突然下降时捕捉一个大概的范围，以便使用其他功能。

如果我可以添加任何其他信息，请告诉我。谢谢！

【问题讨论】：

标签： python pandas time-series

【解决方案1】：

如果您想逐个比较两个值，这将是一种简单的方法：

鉴于您的问题中的系列，称为s，您可以通过将其减去 1 来构造数据的绝对离散导数：

d = pd.Series(s.values[1:] - s.values[:-1], index=s.index[:-1]).abs()

如果您现在取该系列绝对差中的最大 m，您可以将其乘以介于 0 和 1 之间的因子 a 作为阈值：

a = .7
m = d.max()
print(d > m * a)

最后一行输出匹配的索引。

在此基础上，您可以使用滑动窗口技术（例如 kernel density estimation, or Parzen window）来创建更平滑的结果：

r = d.rolling(3, min_periods=1, win_type='parzen').sum()
n = r.max()

就像之前我们可以打印出匹配的元素一样

print(r > n * a)

给出以下输出

Index
220    False
221    False
222    False
223    False
224    False
225    False
226    False
227     True
228     True
229     True
dtype: bool

【讨论】：