Una serie temporal es una secuencia de puntos de datos con valores medidos en momentos sucesivos (ya sea en tiempo continuo o en períodos de tiempo discretos). El análisis de series de tiempo explota este orden temporal natural para extraer significado y tendencias de los datos subyacentes.
Una pregunta muy nueva, pero digamos que tengo datos como este: test_data <- data.frame( var0 = 100 + c(0, cumsum(runif(49, -20, 20))), var1 = 150 + c(0, cumsum(runif(49, -10, 10))), date = seq(as.Date("2002-01-01"), by="1 month", length.out=100) ) ¿Cómo puedo trazar tanto series de...
Actualización: el algoritmo con mejor rendimiento hasta ahora es este . Esta pregunta explora algoritmos robustos para detectar picos repentinos en datos de series temporales en tiempo real. Considere el siguiente conjunto de datos: p = [1 1 1.1 1 0.9 1 1 1.1 1 0.9 1 1.1 1 1 0.9 1 1 1.1 1 1...
Estoy creando un sistema que sondea los dispositivos en busca de datos sobre diferentes métricas, como la utilización de la CPU, la utilización del disco, la temperatura, etc. a (probablemente) intervalos de 5 minutos utilizando SNMP. El objetivo final es proporcionar visualizaciones a un usuario...
Aunque encontré la publicación de Hadley en el grupo de Google en POSIXcty geom_vline, no pude hacerlo. Tengo una serie de tiempo y me gustaría dibujar una línea vertical para los años 1998, 2005 y 2010, por ejemplo. Intenté con la sintaxis ggploty qplot, pero todavía no veo ninguna línea vertical...
Parece que no hay una función que simplemente calcule el promedio móvil en numpy / scipy, lo que lleva a soluciones complicadas . Mi pregunta es doble: ¿Cuál es la forma más fácil de implementar (correctamente) una media móvil con numpy? Dado que esto parece no trivial y propenso a errores, ¿hay...
Tomé mi Serie y la forcé a una columna de fecha y hora de dtype = datetime64[ns](aunque solo necesito una resolución de día ... no estoy seguro de cómo cambiar). import pandas as pd df = pd.read_csv('somefile.csv') column = df['date'] column = pd.to_datetime(column, coerce=True) pero trazar no...
Tengo una consulta como esta que genera muy bien una serie de fechas entre 2 fechas determinadas: select date '2004-03-07' + j - i as AllDate from generate_series(0, extract(doy from date '2004-03-07')::int - 1) as i, generate_series(0, extract(doy from date '2004-08-16')::int - 1) as...
¿Cómo uso strptimeo cualquier otra función para analizar las marcas de tiempo con milisegundos en R? time[1] # [1] "2010-01-15 13:55:23.975" strptime(time[1], format="%Y-%m-%d %H:%M:%S.%f") # [1] NA strptime(time[1], format="%Y-%m-%d %H:%M:%S") # [1] "2010-01-15 13:55:23"`
Soy nuevo en Pandas ... Tengo un montón de datos de encuestas; Quiero calcular una media móvil para obtener una estimación de cada día en función de una ventana de tres días. Según tengo entendido por esta pregunta , las funciones rolling_ * calculan la ventana en función de un número específico...
Tengo 3 meses de datos (cada fila correspondiente a cada día) generados y quiero realizar un análisis de series de tiempo multivariadas para el mismo: las columnas que están disponibles son: Date Capacity_booked Total_Bookings Total_Searches %Variation Cada fecha tiene 1 entrada en el conjunto...
Tengo datos de una serie temporal. Generando datos date_rng = pd.date_range('2019-01-01', freq='s', periods=400) df = pd.DataFrame(np.random.lognormal(.005, .5,size=(len(date_rng), 3)), columns=['data1', 'data2', 'data3'], index= date_rng) s = df['data1'] Quiero crear una línea en zig-zag que...
Tengo datos de frecuencia mensuales que estoy tratando de desglosar en datos de frecuencia diaria. Entonces uso el tdcomando del tempdisaggpaquete en R usando el siguiente código: dat=ts(data[,2]) result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog") Entonces recibo...