IPython / pandas：有没有一种规范的方法来检测时间序列中的快速变化？

Question

Noob数据分析师，分析了几千个时间点（如此之小）的一些气体浓度。我用Matplotlib绘制了它，并且有一些容易看到的地方，事情变化很快。

在这些方面回家的规范/最简单方法是什么？

Answer 1

import pandas as pd
from numpy import diff, concatenate
ff = pd.DataFrame( #acquire data here
      columns=('Year','Recon'))
fd = diff(ff['Recon'], axis=-1)
ff['diff'] = concatenate([[0],fd],axis=0)
ff['rolling10'] = pd.rolling_mean(ff['diff'],10)
ff['rolling5'] = pd.rolling_mean(ff['diff'],5)
ff.plot('Year',['rolling5','rolling10'],subplots=False)

但请注意！我的测试数据均匀采样。看似rolling_*不适用于不规则的时间序列，但有一些解决方法：Pandas: rolling mean by time interval