Question

有没有办法估算熊猫时间序列的周期？对于R，xts对象有一个名为periodicity的方法，它正好用于此目的。有没有实现的方法呢？

例如，我们可以推断出没有指定频率的时间序列的频率吗？

import pandas.io.data as web
aapl = web.get_data_yahoo("AAPL")

<class 'pandas.tseries.index.DatetimeIndex'>
[2010-01-04 00:00:00, ..., 2013-12-19 00:00:00]
Length: 999, Freq: None, Timezone: None

这个系列的频率可以合理地近似为每日。

更新

我认为显示R的周期性方法实现的源代码可能会有所帮助。

function (x, ...) 
{
    if (timeBased(x) || !is.xts(x)) 
        x <- try.xts(x, error = "'x' needs to be timeBased or xtsible")
    p <- median(diff(.index(x)))
    if (is.na(p)) 
        stop("can not calculate periodicity of 1 observation")
    units <- "days"
    scale <- "yearly"
    label <- "year"
    if (p < 60) {
        units <- "secs"
        scale <- "seconds"
        label <- "second"
    }
    else if (p < 3600) {
        units <- "mins"
        scale <- "minute"
        label <- "minute"
        p <- p/60L
    }
    else if (p < 86400) {
        units <- "hours"
        scale <- "hourly"
        label <- "hour"
    }
    else if (p == 86400) {
        scale <- "daily"
        label <- "day"
    }
    else if (p <= 604800) {
        scale <- "weekly"
        label <- "week"
    }
    else if (p <= 2678400) {
        scale <- "monthly"
        label <- "month"
    }
    else if (p <= 7948800) {
        scale <- "quarterly"
        label <- "quarter"
    }
    structure(list(difftime = structure(p, units = units, class = "difftime"), 
        frequency = p, start = start(x), end = end(x), units = units, 
        scale = scale, label = label), class = "periodicity")
}

我认为这条线是关键，我不太明白 p <- median(diff(.index(x)))

Answer 1

这个时间序列会跳过周末（和假期），所以它实际上并没有开始的每日频率。您可以使用asfreq将其上采样为具有每日频率的时间序列，但是：

aapl = aapl.asfreq('D', method='ffill')

这样做会将最后观察到的值向前传播到缺少值的日期。

请注意，Pandas也有工作日频率，因此也可以使用以下方式将其上传到工作日：

aapl = aapl.asfreq('B', method='ffill')

如果您希望自动执行以天为单位推断中位频率的过程，那么您可以这样做：

import pandas as pd
import numpy as np
import pandas.io.data as web
aapl = web.get_data_yahoo("AAPL")
f  = np.median(np.diff(aapl.index.values))
days = f.astype('timedelta64[D]').item().days
aapl = aapl.asfreq('{}D'.format(days), method='ffill')
print(aapl)

此代码需要测试，但也许它接近您发布的R代码：

import pandas as pd
import numpy as np
import pandas.io.data as web

def infer_freq(ts):
    med  = np.median(np.diff(ts.index.values))
    seconds = int(med.astype('timedelta64[s]').item().total_seconds())
    if seconds < 60:
        freq = '{}s'.format(seconds)
    elif seconds < 3600:
        freq = '{}T'.format(seconds//60)
    elif seconds < 86400:
        freq = '{}H'.format(seconds//3600)
    elif seconds < 604800:
        freq = '{}D'.format(seconds//86400)
    elif seconds < 2678400:
        freq = '{}W'.format(seconds//604800)
    elif seconds < 7948800:
        freq = '{}M'.format(seconds//2678400)
    else:
        freq = '{}Q'.format(seconds//7948800)
    return ts.asfreq(freq, method='ffill')

aapl = web.get_data_yahoo("AAPL")
print(infer_freq(aapl))

Answer 2

我不知道频率，我能想出的唯一有意义的衡量标准是时间delta，例如天数：

>>> import numpy as np
>>> idx = aapl.index.values
>>> (np.roll(idx, -1) - idx)[:-1].mean()/np.timedelta64(1, 'D')
1.4478957915831596

或小时：

>>> (np.roll(idx, -1) - idx)[:-1].mean()/np.timedelta64(1, 'h')
34.749498997995836

与更多 pandorable 表达相同，对@DSM赞不绝口：

>>> aapl.index.to_series().diff().mean() / (60*60*10**9)
34.749498997995993

肯定的中位数是24小时，因为大多数日子都在列表中：

>>> aapl.index.to_series().diff().median() / (60*60*10**9)
24.0

我如何估计大熊猫时间序列的周期性

2 个答案: