周期是數(shù)據(jù)中出現(xiàn)重復(fù)模式所需的時間長度。更具體地說，它是模式的一個完整周期的持續(xù)時間。在這篇文章中，將介紹計算時間序列周期的三種不同方法。
周期是數(shù)據(jù)中出現(xiàn)重復(fù)模式所需的時間長度。更具體地說，它是模式的一個完整周期的持續(xù)時間。在這篇文章中，將介紹計算時間序列周期的三種不同方法。
我們使用City of Ottawa 數(shù)據(jù)集，主要關(guān)注的是每天的服務(wù)呼叫數(shù)量。所以不需要對病房名稱進行初始數(shù)據(jù)處理。Ottawa 數(shù)據(jù)集在渥太華市提供的數(shù)據(jù)門戶網(wǎng)站上免費提供。
讓我們加載2019-2022年的這些數(shù)據(jù)，并將它們連接起來得到一個df。
from google.colab import drive
drive.mount('/content/gdrive')
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
file_path = '/content/gdrive/My Drive/Colab Notebooks/Data/SR-2019.xlsx'
records2019 = pd.read_excel(file_path)#,encoding='utf16')
file_path = '/content/gdrive/My Drive/Colab Notebooks/Data/SR-2020.xlsx'
records2020 = pd.read_excel(file_path)#,encoding='utf16')
file_path = '/content/gdrive/My Drive/Colab Notebooks/Data/2021_Monthly_Service_Requests_EN.xlsx'
records2021 = pd.read_excel(file_path)#,encoding='utf16')
file_path = '/content/gdrive/My Drive/Colab Notebooks/Data/2022_Monthly_Service_Requests.csv'
records2022 =pd.read_csv(file_path)
records=pd.concat([records2019,records2020,records2021,records2022],axis=0)
讓我們根據(jù)服務(wù)調(diào)用日期聚合這些數(shù)據(jù)，并得到一個簡單的圖。
records["DATE_RAISED"]=pd.to_datetime(records.DATE_RAISED)
record_by_date=records.groupby("DATE_RAISED")["TYPE"].count().sort_index()
record_by_date.plot(figsize = (25, 10))
plt.ylabel('Number of requests')
plt.grid(visible=True,which='both')
plt.figure()
record_by_date.iloc[100:130].plot(figsize = (25, 10))
plt.ylabel('Number of requests')
plt.grid(visible=True,which='both')
填充缺失
讓我們檢查一下我們的數(shù)據(jù)是否包含了所有的日期。
start_date = record_by_date.index.min()
end_date = record_by_date.index.max()
# create a complete date range for the period of interest
date_range = pd.date_range(start=start_date, end=end_date, freq='D')
# compare the date range to the index of the time series
missing_dates = date_range[~date_range.isin(record_by_date.index)]
if len(missing_dates) > 0:
print("Missing dates:", missing_dates)
else:
print("No missing dates")
正如所預(yù)期的那樣，數(shù)據(jù)缺少一些日期的值。讓我們用相鄰日期的平均值填充這些值。
# Reindex to fill missing dates
idx = pd.date_range(start=record_by_date.index.min(), end=record_by_date.index.max(), freq='D')
record_by_date = record_by_date.reindex(idx, fill_value=0)
# Add missing dates with average of surrounding values
for date in missing_dates:
prev_date = date - pd.DateOffset(days=1)
next_date = date + pd.DateOffset(days=1)
prev_val = record_by_date.loc[prev_date] if prev_date in record_by_date.index else np.nan
next_val = record_by_date.loc[next_date] if next_date in record_by_date.index else np.nan
avg_val = np.nanmean([prev_val, next_val])
record_by_date.loc[date] = avg_val
這就是我們要做的所有預(yù)處理了，在所有這些步驟之后，我們嘗試檢測這個時間序列的周期。一般來說，基于假日模式和一般的人類習慣，我們希望在數(shù)據(jù)中看到七天的周期，我們來看看是不是有這樣的結(jié)果。
1、目測
最簡單的方法就是目測。這是一種主觀的方法，而不是一種正式的或統(tǒng)計的方法，所以我把它作為我們列表中的原始方法。
如果我們看一下這張圖的放大部分，我們可以看到7天的周期。最低值出現(xiàn)在5月14日、21日和28日。但最高點似乎不遵循這個模式。但在更大的范圍內(nèi)，我們?nèi)匀豢梢哉f這個數(shù)據(jù)集的周期是7天。
下面我們來正式的進行分析：
2、自相關(guān)分析
我們將繪制時間序列的自相關(guān)值。查看acf圖中各種滯后值的峰值。與第一個顯著峰值對應(yīng)的滯后可以給出周期的估計。
對于這種情況，我們看看50個滯后值，并使用statmodels包中的方法繪制acf。
from statsmodels.graphics.tsaplots import plot_acf
fig, ax = plt.subplots(figsize=(14,7))
plot_acf(record_by_date.values.squeeze(), lags=50,ax=ax,title='Autocorrelation', use_vlines=True);
lags = list(range(51))
ax.set_xticks(lags);
ax.set_xticklabels(lags);
從上圖可以看出，在7、1、21等處有峰值。這證實了我們的時間序列有7天的周期。
3、快速傅里葉變換
對時間序列進行傅里葉變換，尋找主頻分量。主頻率的倒數(shù)可以作為周期的估計值。
傅里葉變換是一種數(shù)學運算，它把一個復(fù)雜的信號分解成一組更簡單的正弦和余弦波。傅里葉變換廣泛應(yīng)用于信號處理、通信、圖像處理以及其他許多科學和工程領(lǐng)域。它允許我們在頻域中分析和操作信號，這通常是一種比在時域中更自然和直觀的理解和處理信號的方法。
from scipy.fft import fft
# Calculate the Fourier transform
yf = np.fft.fft(record_by_date)
xf = np.linspace(0.0, 1.0/(2.0), len(record_by_date)//2)
# Find the dominant frequency
# We have to drop the first element of the fft as it corresponds to the
# DC component or the average value of the signal
idx = np.argmax(np.abs(yf[1:len(record_by_date)//2]))
freq = xf[idx]
period =(1/freq)
print(f"The period of the time series is {period}")
輸出為：The period of the time series is 7.030927835051545。這與我們使用acf和目視檢查發(fā)現(xiàn)的每周周期相似。
4、周期圖
周期圖 Periodogram 是一個信號或序列的功率譜密度(PSD)圖。換句話說它是一個顯示信號中每個頻率包含多少總功率的圖表。周期圖是通過計算信號的傅里葉變換的幅值平方得到的，常用于信號處理和頻譜分析。在某種意義上，只是前面給出的基于fft的方法的擴展。
from scipy.signal import periodogram
freq, power = periodogram(record_by_date)
period = 1/freq[np.argmax(power)]
print(f"The period of the time series is {period}")
plt.plot(freq, power)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Power spectral density')
plt.show()
周期圖可以清楚地看出，信號的最高功率在0.14，對應(yīng)于7天的周期。
總結(jié)
本文，我們介紹了尋找時間序列周期的三種不同方法，通過使用這三種方法，我們能夠識別信號的周期性，并使用常識進行確認。
