時系列ライブラリーの使用
時系列ライブラリーでの作業を開始するには、ライブラリーを Python ノートブックまたはアプリケーションにインポートします。
このコマンドを使用して、時系列ライブラリーをインポートします。
# Import the package
import tspy
時系列の作成
時系列を作成してライブラリーの関数を使用するには、データ・ソースを決定する必要があります。 サポートされるデータ・ソースを以下に示します:
- メモリー内リスト
- pandas DataFrames
- 観測のメモリー内コレクション(
ObservationCollection - ユーザー定義のリーダー(
TimeSeriesReader
以下の例は、メモリー内リストからのデータの取り込みを示しています。
ts = tspy.time_series([5.0, 2.0, 4.0, 6.0, 6.0, 7.0])
ts
出力は以下のとおりです。
TimeStamp: 0 Value: 5.0 TimeStamp: 1 Value: 2.0 TimeStamp: 2 Value: 4.0 TimeStamp: 3 Value: 6.0 TimeStamp: 4 Value: 6.0 TimeStamp: 5 Value: 7.0
MultiTimeSeriesMultiTimeSeries
MultiTimeSeries
mts = tspy.multi_time_series({
"ts1": tspy.time_series([1.0, 2.0, 3.0]),
"ts2": tspy.time_series([5.0, 2.0, 4.0, 5.0])
})
出力は以下のとおりです。
ts2 time series ------------------------------ TimeStamp: 0 Value: 5.0 TimeStamp: 1 Value: 2.0 TimeStamp: 2 Value: 4.0 TimeStamp: 3 Value: 5.0 ts1 time series ------------------------------ TimeStamp: 0 Value: 1.0 TimeStamp: 1 Value: 2.0 TimeStamp: 2 Value: 3.0
時間の解釈
デフォルトでは、時系列はlong
以下の例は、各索引が1990-01-01
import datetime
granularity = datetime.timedelta(days=1)
start_time = datetime.datetime(1990, 1, 1, 0, 0, 0, 0, tzinfo=datetime.timezone.utc)
ts = tspy.time_series([5.0, 2.0, 4.0, 6.0, 6.0, 7.0], granularity=granularity, start_time=start_time)
ts
出力は以下のとおりです。
TimeStamp: 1990-01-01T00:00Z Value: 5.0 TimeStamp: 1990-01-02T00:00Z Value: 2.0 TimeStamp: 1990-01-03T00:00Z Value: 4.0 TimeStamp: 1990-01-04T00:00Z Value: 6.0 TimeStamp: 1990-01-05T00:00Z Value: 6.0 TimeStamp: 1990-01-06T00:00Z Value: 7.0
単純な変換の実行
変換とは、1 つまたは複数の時系列が指定されている場合に、新しい時系列を返す関数です。
例えば、各ウィンドウがsize=3
window_ts = ts.segment(3, 2)
window_ts
出力は以下のとおりです。
TimeStamp: 0 Value: original bounds: (0,2) actual bounds: (0,2) observations: [(0,5.0),(1,2.0),(2,4.0)] TimeStamp: 2 Value: original bounds: (2,4) actual bounds: (2,4) observations: [(2,4.0),(3,6.0),(4,6.0)]
次の例は、時系列内の各値に 1 を追加する方法を示しています。
add_one_ts = ts.map(lambda x: x + 1)
add_one_ts
出力は以下のとおりです。
TimeStamp: 0 Value: 6.0 TimeStamp: 1 Value: 3.0 TimeStamp: 2 Value: 5.0 TimeStamp: 3 Value: 7.0 TimeStamp: 4 Value: 7.0 TimeStamp: 5 Value: 8.0
または、次のようにして、時系列を一時的に左結合することもできます。例えば、tsts2
ts2 = tspy.time_series([1.0, 2.0, 3.0])
joined_ts = ts.left_join(ts2)
joined_ts
出力は以下のとおりです。
TimeStamp: 0 Value: [5.0, 1.0] TimeStamp: 1 Value: [2.0, 2.0] TimeStamp: 2 Value: [4.0, 3.0] TimeStamp: 3 Value: [6.0, null] TimeStamp: 4 Value: [6.0, null] TimeStamp: 5 Value: [7.0, null]
変換の使用
豊富な組み込みトランスフォーマー・スイートが、トランスフォーマー・パッケージで提供されています。 次のように、パッケージをインポートして、提供されているトランスフォーマー関数を使用します。
from tspy.builders.functions import transformers
パッケージを追加した後、transform
例えば、時系列で差分 (difference) を実行するには、以下のようにします。
ts_diff = ts.transform(transformers.difference())
出力は以下のようになります:
TimeStamp: 1 Value: -3.0 TimeStamp: 2 Value: 2.0 TimeStamp: 3 Value: 2.0 TimeStamp: 4 Value: 0.0 TimeStamp: 5 Value: 1.0
レデューサーの使用
トランスフォーマー・パッケージと同様に、レデューサー・パッケージで提供されているメソッドを使用して、時系列を減らすことができます。 以下のようにして、レデューサー・パッケージをインポートできます。
from tspy.builders.functions import reducers
パッケージをインポートした後、reduce
avg = ts.reduce(reducers.average()) avg
出力は以下のようになります。
5.0
レデューサーには、毎時の合計、エラー発生前のウィンドウ内の平均など、レデューサーをセグメンテーション変換とともに使用できるようにする特殊なプロパティーがあります。 segmentation + reducertransform
例えば、サイズ 3 のウィンドウにセグメント化して、各ウィンドウの平均を取得するには、以下を使用します。
avg_windows_ts = ts.segment(3).transform(reducers.average())
この結果は、以下のようになります:
imeStamp: 0 Value: 3.6666666666666665 TimeStamp: 1 Value: 4.0 TimeStamp: 2 Value: 5.333333333333333 TimeStamp: 3 Value: 6.333333333333333
時系列のグラフ化
時系列をグラフ化する場合、遅延評価が使用されます。 時系列をグラフ化する場合、以下のいずれかを行うことができます。
BoundTimeSeries- 時系列を 1 つの値または値のコレクションに減らす
- 保存操作または出力操作を実行する
例えば、時系列のすべての値を収集して返すには、以下のようにします。
observations = ts.materialize() observations
この結果は、以下のようになります:
[(0,5.0),(1,2.0),(2,4.0),(3,6.0),(4,6.0),(5,7.0)]
時系列から範囲を収集するには、以下を使用します。
observations = ts[1:3] # same as ts.materialize(1, 3)
observations
出力は以下のようになります:
[(1,2.0),(2,4.0),(3,6.0)]
時系列が周期的である場合は、時系列は範囲照会用に最適化されることに注意してください。
現在の時系列でdescribe
describe_obj = ts.describe() describe_obj
出力は以下のとおりです:
min inter-arrival-time: 1 max inter-arrival-time: 1 mean inter-arrival-time: 1.0 top: 6.0 unique: 5 frequency: 2 first: TimeStamp: 0 Value: 5.0 last: TimeStamp: 5 Value: 7.0 count: 6 mean:5.0 std:1.632993161855452 min:2.0 max:7.0 25%:3.5 50%:5.5 75%:6.25
もっと見る
親トピック: 時系列分析