主页 / 问题 / 1565052
Accepted
Stan
Asked:2024-02-06 23:36:38 +0000 UTC2024-02-06 23:36:38 +0000 UTC

时间序列的移动平均函数

  • 772

为了解决这个问题，我看了一篇关于时间序列的文章 。为了发现异常情况，我首先选择了本文中概述的移动平均函数。

部分数据集：
时间，dB
0.-117
0.0001.46
0.0002.-478
0.000300001.2
..........
59.9998.-208
59.9999.-95
60.-169
I首先读取文件

df = pd.read_csv("data.csv", sep=',')  
df.columns = ['Time, seconds', 'Series values, dB']

选项

我编写了一个函数来根据数据集数据绘制图表：

def plotMovingAverage(series, n):  
    rolling_mean = series.rolling(window=n).mean()  

    plt.figure(figsize=(15,5))  
    plt.title("Moving average\n window size = {}".format(n))  
    plt.plot(rolling_mean, "g", label="Rolling mean trend")  
    plt.plot(series[n:], label="Actual values")  
    plt.legend(loc="upper left")  
    plt.grid(True)

然后调用这个函数：

plotMovingAverage(df, 60) #60 секунд 
plt.show()

结果是这样的图表 日程

问题：
但是这个图表达了值和行数（600000）之间的关系，我需要一个时间值图。图中也不可能突出显示移动平均线本身。请告知我该怎么做？在这种情况下编写此函数的正确方法是什么？

python

2 个回答

  1. 尽管评论中进行了讨论，但我仍然不明白您到底想要什么以及结果中什么不适合您。因此，我正在发布我的解决方案版本，其中数据在那里，移动视图可见，并且图形没有双重叠加。当然，这是一个关于人工数据且不调用函数的示例。但我希望这不会阻止您根据需要调整代码。（顺便说一句，当然，无论是在你的函数中还是在我的代码中，都没有搜索异常。但是这里不再需要绘制图表，而是应用适当的算法。顺便说一句，你可以不用任何图表。）。

    import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
sr=pd.Series(np.random.randn(1000))
n=100
############################################
rolling_mean = sr.rolling(window=n).mean()  
plt.plot(sr[n:], label="Actual values",color='blue') 
plt.plot(rolling_mean, color="red", lw=3, label="Rolling mean trend")
plt.legend(loc="upper left")

    结果 在此输入图像描述

    它？

    • 1
  2. Best Answer

    这可以通过另一种方式完成。对于移动平均线，我们需要采用一定的窗口大小。这里我们取窗口大小=3600，即 移动平均1小时。

    df['1hour_rolling_avg'] = df['Series values, dB'].rolling(60*60).mean()

    制定时间表

    plt.figure( figsize = (12, 10))   
  
sns.lineplot(x='Time, seconds', y='Series values, dB', data=df)  
sns.lineplot( x = 'Time, seconds',   
             y = '1hour_rolling_avg',   
             data = df,   
             label = 'Rollingavg')  
plt.title('Full Series')  
plt.xlabel('Seconds')  
plt.ylabel('Values')  
  
plt.show()

    移动平均线

    但为了更好地显示图形，最好聚合数据，因为数据很多。

    • 0

相关问题