Phân rã dữ liệu chuỗi thời gian

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Thomas Vincent

Head of Data Science, Getty Images

Python dictionaries

# Khởi tạo một dictionary trong Python
my_dict = {}

# Thêm một key và value vào dictionary
my_dict['your_key'] = 'your_value'

# Thêm key và value thứ hai vào dictionary
my_dict['your_second_key'] = 'your_second_value'

# In dictionary ra
print(my_dict)

{'your_key': 'your_value',
 'your_second_key': 'your_second_value'}

Phân rã nhiều chuỗi thời gian với Python dictionaries

# Import thư viện statsmodel
import statsmodels.api as sm
# Khởi tạo một dictionary
my_dict = {}
# Lấy tên các chuỗi thời gian
ts_names = df.columns
print(ts_names)

['ts1', 'ts2', 'ts3']

# Chạy phân rã chuỗi thời gian
for ts in ts_names:
    ts_decomposition = sm.tsa.seasonal_decompose(jobs[ts])
    my_dict[ts] = ts_decomposition

Trích xuất các thành phần phân rã của nhiều chuỗi thời gian

# Khởi tạo một dictionary mới
my_dict_trend = {}
# Trích xuất thành phần xu hướng
for ts in ts_names:
    my_dict_trend[ts] = my_dict[ts].trend
# Chuyển thành DataFrame            
trend_df = pd.DataFrame.from_dict(my_dict_trend)
print(trend_df)

            ts1  ts2 ts3
datestamp                                                  
2000-01-01  2.2  1.3 3.6                            
2000-02-01  3.4  2.1 4.7                             
...

Python dictionaries đỉnh quá!

Trực quan hóa dữ liệu chuỗi thời gian trong Python