Python は 2 つの時系列を比較して、グラフィックが類似しているかどうかを確認します

2 つの時系列が視覚的に類似しているかどうかを比較するには、次の手順を実行できます。

1. 視覚的な比較: 2 つの時系列を同じグラフにプロットし、比較に同じスケールと軸のタグを使用します。 。傾向、山、谷などの特徴を観察し、比較することができます。
2. 山と谷の比較: 2 つの時系列の山と谷を比較することによって比較が行われます。それらの振幅と位置を比較できます。
3. 相関分析: 2 つの時系列間の相関係数を計算して、それらに線形関係があるかどうかを判断します。相関係数が 1 に近い場合、同様の傾向があります。
4. 非線形手法: 動的タイムワーピング、ウェーブレット変換などの非線形手法を使用して 2 つの時系列を比較します。これらの方法は、2 つの時系列間の類似点を把握するのに役立ちます。

同じグラフィックが異なる時系列に対応する可能性があるため、グラフィックの類似性は 2 つの時系列間の類似性を完全に表すわけではないことに注意してください。したがって、時系列を比較する場合は、情報の複数の側面を総合的に考慮する必要があります。

1. 準備

始める前に、Python と pip がコンピュータに正常にインストールされていることを確認する必要があります。そうでない場合は、この記事を参照してください: Super Detailed Python Installation Guideそれ。

(オプション 1) データ分析に Python を使用する場合は、Anaconda を直接インストールできます。Anaconda は Python データ分析とマイニングの優れたヘルパーであり、Python と pip が組み込まれています。

( オプション 2) さらに、多くの利点がある VSCode エディターを使用することをお勧めします。 Python プログラミングのベスト パートナー - VSCode 詳細ガイド。

依存関係をインストールするコマンドを入力するには、次のいずれかの方法を選択してください。 1. Windows 環境 Cmd (Start-Run-CMD) を開きます。 2. MacOS 環境 ターミナルを開きます (コマンドスペースからターミナルに入ります)。 3. VSCode エディターまたは Pycharm を使用している場合は、インターフェイスの下部にあるターミナルを直接使用できます。

pip install matplotlib
pip install numpy

2.Matplotlib を使用して、2 つの時系列を視覚的に比較します

import matplotlib.pyplot as plt

# 生成时间序列数据
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [8, 12, 14, 18, 22]

# 绘制两个时间序列的折线图
plt.plot(x, y1, label='y1')
plt.plot(x, y2, label='y2')

# 设置图形属性
plt.xlabel('Time')
plt.ylabel('Value')
plt.title('Comparison of two time series')
plt.legend()

# 显示图形
plt.show()

3。時系列の 2 つの相関係数を計算します:

import numpy as np

# 生成时间序列数据
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [8, 12, 14, 18, 22]

# 计算相关系数
corr = np.corrcoef(y1, y2)[0, 1]

# 输出结果
print('Correlation coefficient:', corr)

4。Python を使用して動的タイム ワーピング アルゴリズム (DTW) を実装します:

import numpy as np

# 生成时间序列数据
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [8, 12, 14, 18, 22]

# 动态时间规整算法
def dtw_distance(ts_a, ts_b, d=lambda x, y: abs(x - y)):
DTW = {}

# 初始化边界条件
for i in range(len(ts_a)):
DTW[(i, -1)] = float('inf')
for i in range(len(ts_b)):
DTW[(-1, i)] = float('inf')
DTW[(-1, -1)] = 0

# 计算DTW矩阵
for i in range(len(ts_a)):
for j in range(len(ts_b)):
cost = d(ts_a[i], ts_b[j])
DTW[(i, j)] = cost + min(DTW[(i-1, j)], DTW[(i, j-1)], DTW[(i-1, j-1)])

# 返回DTW距离
return DTW[len(ts_a)-1, len(ts_b)-1]

# 计算两个时间序列之间的DTW距离
dtw_dist = dtw_distance(y1, y2)

# 输出结果
print('DTW distance:', dtw_dist)

以上がPython は 2 つの時系列を比較して、グラフィックが類似しているかどうかを確認しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。