python - Python中时间序列的时滞嵌入

Question

我有时间序列数据作为 numpy 数组。我想生成这样的数据的时间延迟嵌入:

时间序列是这样的:

    [[   1.           37.17]
     [   2.           36.99]
     [   3.           36.84]
     [   4.           37.57]
     [   5.           37.49]
     [   6.           37.45]
     [   7.           37.82]
     [   8.           37.95]
     [   9.           37.36]
     [   10.          37.84]
     [   11.           37.85]
     [   12.           37.12]]

假设我的窗口大小(w)= 4，间隙(g)= 2。我们将选取每第三个点，直到得到点=窗口大小以形成一个“w”维点。对于下一个“w”维点，我们将序列移动 1，并对移动序列重复相同的过程。这将为我们提供几个“w”维点，这些点最终将存储在 2D numpy 数组中。当我们无法形成“w”维度点时，即当我们到达系列末尾时，我们停止。

那么这个系列的时间延迟嵌入应该是:

    [[ 37.17  37.57  37.82 37.84]
     [ 37.99  36.49  36.95 37.85]
     [ 37.84  37.45  36.36 37.12]]

我们将在这个特定点停止，因为对于 4 维中的下一个点，我们将用完第四个点。我有大约 1600 点的长时间序列，我希望参数 w 和 g 是可变的。该函数将采用给定的“w”和“g”以及时间序列，并吐出时间延迟嵌入。

Answer 1

想法是生成重新索引矩阵

A = np.array([ 37.17,  36.99,  36.84,  37.57,  37.49,  37.45, 
               37.82,  37.95,  37.36,  37.84,  37.85,  37.12])
w = 4
g = 2

使用 w 和 g 进行时间延迟嵌入

A[(np.arange(w)*(g+1))+ np.arange(np.max(a.shape[0] - (w-1)*(g+1), 0)).reshape(-1,1)]

输出:

array([[ 37.17,  37.57,  37.82,  37.84],
       [ 36.99,  37.49,  37.95,  37.85],
       [ 36.84,  37.45,  37.36,  37.12]])

如果A是矩阵[index, value]，则添加值列索引A[n...) ,1]

更新1

# incorrect step count calculation was replaced by a.shape[0]-(w-1)*(g+1)

更新2

# added max to avoid errors on impossible values of g and w

<小时/>

检查有关所用函数的文档 np.arange , np.reshape , broadcasting rules和 indexing .