tsmoothie：以向量化方式進(jìn)行時(shí)序平滑和異常檢測的Python庫

　　tsmoothie
 

　　一個(gè)用于以向量化方式進(jìn)行時(shí)間序列平滑和離群值檢測的python庫。
 

　　總覽
 

　　tsmoothie以快速有效的方式計(jì)算單個(gè)或多個(gè)時(shí)間序列的平滑度。
 

　　可用的平滑技術(shù)是：
 

　　1)指數(shù)平滑

　　2)具有各種窗口類型(常量，漢寧，漢明，巴特利特，布萊克曼)的卷積平滑

　　3)多項(xiàng)式平滑

　　4)各種樣條平滑(線性，三次，自然三次)

　　5)高斯平滑

　　6)Binner平滑

　　7)低價(jià)

　　8)各種季節(jié)性分解平滑(卷積，最低，自然三次樣條)

　　9)帶有可自定義組件(水平，趨勢，季節(jié)性，長期季節(jié)性)的卡爾曼平滑
 

　　tsmoothie提供了平滑處理結(jié)果的間隔計(jì)算。這對于識別時(shí)間序列中的異常值和異?？赡芎苡杏?。
 

　　可用的間隔類型為：
 

　　1)sigma間隔

　　2)置信區(qū)間

　　3)預(yù)測間隔

　　4)卡爾曼區(qū)間
 

　　采用這種類型的間隔取決于所使用的平滑方法。
 

　　tsmoothie還可以執(zhí)行滑動(dòng)平滑方法?？梢詫r(shí)間序列分成相等大小的片段，并分別進(jìn)行平滑處理。與往常一樣，此功能通過WindowWrapper類以矢量化方式實(shí)現(xiàn)。
 

　　點(diǎn)安裝tsmoothie
 

　　該模塊僅取決于NumPy，SciPy和simdkalman。支持Python 3.6或更高版本。
 

　　用法
 

　　下面是tsmoothie如何工作的幾個(gè)示例。筆記本文件夾中提供了完整的示例。
 

　　#導(dǎo)入庫
 

　　將 numpy 導(dǎo)入為 np
 

　　import matplotlib。pyplot 如 PLT
 

　　從 tsmoothie。utils_func 進(jìn)口 sim_randomwalk
 

　　從 tsmoothie。進(jìn)口順暢 LowessSmoother
 

　　#產(chǎn)生3次長度為200
 

　　np的隨機(jī)游走。隨機(jī)的。種子(123)
 

　　數(shù)據(jù) = sim_randomwalk(n_series = 3，時(shí)間步長= 200，
 

　　process_noise = 10，measure_noise = 30)
 

　　#操作平滑
 

　　平滑 = LowessSmoother(smooth_fraction = 0.1，迭代= 1)
 

　　更光滑。順利(數(shù)據(jù))
 

　　#生成
 

　　低間隔，向上 = 更平滑。get_intervals('prediction_interval')
 

　　#繪制間隔為
 

　　plt的平滑時(shí)間序列。圖(figsize =(18，5))
 

　　對于 我 在 范圍(3)：
 

　　PLT。副區(qū)(1，3，我+ 1)
 

　　PLT。積(平滑。smooth_data [我]，線寬= 3，顏色= '藍(lán)色')
 

　　PLT。繪制(更平滑的數(shù)據(jù)[ i ]，' . k ')
 

　　plt。標(biāo)題(f“時(shí)間序列{ i + 1 } ”); PLT。xlabel('時(shí)間')
 

　　PLT。fill_between(范圍(len個(gè)(更平滑。數(shù)據(jù)[我]))，低[我]，向上[我]，阿爾法= 0.3)
 

　　#導(dǎo)入庫
 

　　將 numpy 導(dǎo)入為 np
 

　　import matplotlib。pyplot 如 PLT
 

　　從 tsmoothie。utils_func 進(jìn)口 sim_seasonal_data
 

　　從 tsmoothie。導(dǎo)入更順暢 DecomposeSmoother
 

　　#生成3個(gè)長度為300
 

　　np的周期性時(shí)間序列。隨機(jī)的。種子(123)
 

　　數(shù)據(jù) = sim_seasonal_data(n_series = 3，時(shí)間步長= 300，
 

　　頻率= 24，measure_noise = 30)
 

　　#
 

　　更平滑地 進(jìn)行平滑操作= DecomposeSmoother(smooth_type = 'lowess'，周期= 24，
 

　　smooth_fraction = 0.3)
 

　　更平滑。順利(數(shù)據(jù))
 

　　#生成
 

　　低間隔，向上 = 更平滑。get_intervals('sigma_interval')
 

　　#繪制間隔為
 

　　plt的平滑時(shí)間序列。圖(figsize =(18，5))
 

　　對于 我 在 范圍(3)：
 

　　PLT。副區(qū)(1，3，我+ 1)
 

　　PLT。積(平滑。smooth_data [我]，線寬= 3，顏色= '藍(lán)色')
 

　　PLT。繪制(更平滑的數(shù)據(jù)[ i ]，' . k ')
 

　　plt。標(biāo)題(f“時(shí)間序列{ i + 1 } ”); PLT。xlabel('時(shí)間')
 

　　PLT。fill_between(范圍(len個(gè)(更平滑。數(shù)據(jù)[我]))，低[我]，向上[我]，阿爾法= 0.3)