时间序列分析 - 不均匀间隔测量 - pandas + statsmodels

Question

我有两个 numpy 数组 light_points 和 time_points，想对这些数据使用一些时间序列分析方法。

然后我尝试了这个：

import statsmodels.api as sm
import pandas as pd
tdf = pd.DataFrame({'time':time_points[:]})
rdf =  pd.DataFrame({'light':light_points[:]})
rdf.index = pd.DatetimeIndex(freq='w',start=0,periods=len(rdf.light))
#rdf.index = pd.DatetimeIndex(tdf['time'])

这可行，但没有做正确的事情。 事实上，测量的时间间隔并不均匀，如果我只是将 time_points pandas DataFrame 声明为我的帧的索引，我会收到一个错误：

rdf.index = pd.DatetimeIndex(tdf['time'])

decomp = sm.tsa.seasonal_decompose(rdf)

elif freq is None:
raise ValueError("You must specify a freq or x must be a pandas object with a timeseries index")

ValueError: You must specify a freq or x must be a pandas object with a timeseries index

我不知道如何纠正这个问题。 此外，熊猫的TimeSeries 似乎已被弃用。

我试过了：

rdf = pd.Series({'light':light_points[:]})
rdf.index = pd.DatetimeIndex(tdf['time'])

但它给了我一个长度不匹配：

ValueError: Length mismatch: Expected axis has 1 elements, new values have 122 elements

尽管如此，我不明白它来自哪里，因为 rdf['light'] 和 tdf['time'] 长度相同...

最后，我尝试将我的 rdf 定义为 pandas 系列：

rdf = pd.Series(light_points[:],index=pd.DatetimeIndex(time_points[:]))

我明白了：

ValueError: You must specify a freq or x must be a pandas object with a timeseries index

然后，我尝试用

替换索引

 pd.TimeSeries(time_points[:])

它给了我关于seasonal_decompose 方法行的错误：

AttributeError: 'Float64Index' object has no attribute 'inferred_freq'

如何处理间隔不均匀的数据？ 我正在考虑通过在现有值之间添加许多未知值并使用插值来“评估”这些点来创建一个间隔大致均匀的时间数组，但我认为可能有一个更清洁、更简单的解决方案。

Answer 1

seasonal_decompose() 需要一个freq，它可以作为DateTimeIndex 元信息的一部分提供，可以由pandas.Index.inferred_freq 推断，或者由用户作为integer 提供每个周期的周期数.例如，每月 12 个（从 docstring 到 seasonal_mean）：

def seasonal_decompose(x, model="additive", filt=None, freq=None):
    """
    Parameters
    ----------
    x : array-like
        Time series
    model : str {"additive", "multiplicative"}
        Type of seasonal component. Abbreviations are accepted.
    filt : array-like
        The filter coefficients for filtering out the seasonal component.
        The default is a symmetric moving average.
    freq : int, optional
        Frequency of the series. Must be used if x is not a pandas
        object with a timeseries index.

为了说明——使用随机样本数据：

length = 400
x = np.sin(np.arange(length)) * 10 + np.random.randn(length)
df = pd.DataFrame(data=x, index=pd.date_range(start=datetime(2015, 1, 1), periods=length, freq='w'), columns=['value'])

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 400 entries, 2015-01-04 to 2022-08-28
Freq: W-SUN

decomp = sm.tsa.seasonal_decompose(df)
data = pd.concat([df, decomp.trend, decomp.seasonal, decomp.resid], axis=1)
data.columns = ['series', 'trend', 'seasonal', 'resid']

Data columns (total 4 columns):
series      400 non-null float64
trend       348 non-null float64
seasonal    400 non-null float64
resid       348 non-null float64
dtypes: float64(4)
memory usage: 15.6 KB

到目前为止，一切都很好 - 现在从 DateTimeIndex 中随机删除元素以创建不均匀的空间数据：

df = df.iloc[np.unique(np.random.randint(low=0, high=length, size=length * .8))]

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 222 entries, 2015-01-11 to 2022-08-21
Data columns (total 1 columns):
value    222 non-null float64
dtypes: float64(1)
memory usage: 3.5 KB

df.index.freq

None

df.index.inferred_freq

None

在这个数据上运行seasonal_decomp'工作'：

decomp = sm.tsa.seasonal_decompose(df, freq=52)

data = pd.concat([df, decomp.trend, decomp.seasonal, decomp.resid], axis=1)
data.columns = ['series', 'trend', 'seasonal', 'resid']

DatetimeIndex: 224 entries, 2015-01-04 to 2022-08-07
Data columns (total 4 columns):
series      224 non-null float64
trend       172 non-null float64
seasonal    224 non-null float64
resid       172 non-null float64
dtypes: float64(4)
memory usage: 8.8 KB

问题是 - 结果有多大用处。即使数据中没有导致季节性模式推断复杂化的差距（参见release notes 中.interpolate() 的使用示例，statsmodels 也使此过程符合以下条件：

Notes
-----
This is a naive decomposition. More sophisticated methods should
be preferred.

The additive model is Y[t] = T[t] + S[t] + e[t]

The multiplicative model is Y[t] = T[t] * S[t] * e[t]

The seasonal component is first removed by applying a convolution
filter to the data. The average of this smoothed series for each
period is the returned seasonal component.