如何提取时间序列数据的非波动部分答案

【问题标题】：how to extract non-fluctuating part of time-series data如何提取时间序列数据的非波动部分
【发布时间】：2019-07-02 08:09:42
【问题描述】：

我正在做一些 Monte Carlo 模拟，我需要生成大量样本来计算一些数量（称之为 y）我感兴趣。图表显示 y 与样本索引（x 轴） .这些值通常在开始时增加/减少，然后趋向于“平衡值”（左）。它也可能波动很大（右），在这种情况下，开始部分并不是特别糟糕，可以保留。从“平衡值”中的此类数据中系统地提取 N 个样本的最佳方法是什么？在我的模拟过程中，我不断生成不同的样本来计算y，因此我正在寻找一种方法来监控y，并在我收集到“平衡”区域中y 的N 值后停止代码.

【问题讨论】：

低通滤波器？
@DanielF 你能简要说明一下它是如何工作的吗？
你能分享数据系列或生成数据的函数吗？

标签： matlab numpy scipy time-series data-analysis

【解决方案1】：

过滤您的信号。低通butterworth filter 是个不错的尝试。

Scipy.signal 有tools you need。

这个问题似乎与Creating lowpass filter in SciPy - understanding methods and units有关

【讨论】：

请不要发布仅链接的答案。提供一个示例，说明您链接的内容实际上回答了问题。
@rubenvb 说句公道话——这是对题外话的回答，没有具体的编程问题需要解决。在这属于 Data Science Stack Exchange 上，没有期望答案会为您编写实现，就像在这里您不应该询问有关如何解释数据的建议。
@Will 从什么时候开始 numpy/scipy 离题了？当然，这个问题可以从一些最少的代码开始（因为 OP 不知道该怎么做）。如果它适用于数据科学，它也适用于物理学（尽管我对此表示怀疑）。如前所述，这是一个关于常见编程工具和特定问题的完美回答问题。此外，一个不完美的问题不是错误答案的借口。
过滤器改变样本；它不会像 OP 想要的那样提取其中一些
@rubenvb 用 numpy 和 scipy（and matlab）标记问题并不会成为关于这些软件包的问题。当然，在所有这些中都有很多关于使用的具体问题，但是“请解决我的数据科学问题，如果你愿意，你可以在其中一个中编写代码”并没有真正的资格。