Ho due timeseries differenti con timestamp parzialmente sovrapposte:Come aggregare le serie temporali in Python?
import scikits.timeseries as ts
from datetime import datetime
a = ts.time_series([1,2,3], dates=[datetime(2010,10,20), datetime(2010,10,21), datetime(2010,10,23)], freq='D')
b = ts.time_series([4,5,6], dates=[datetime(2010,10,20), datetime(2010,10,22), datetime(2010,10,23)], freq='D')
che rappresenta seguenti dati:
Day: 20. 21. 22. 23.
a: 1 2 - 3
b: 4 - 5 6
desidero calcolare una media ponderata ogni giorno con coefficienti a (0,3) e b (0.7), ignorando i valori mancanti:
Day 20.: (0.3 * 1 + 0.7 * 4)/(0.3 + 0.7) = 3.1/1. = 3.1
Day 21.: (0.3 * 2 )/(0.3 ) = 0.6/0.3 = 2
Day 22.: ( 0.7 * 5)/( 0.7) = 3.5/0.7 = 5
Day 23.: (0.3 * 3 + 0.7 * 6)/(0.3 + 0.7) = 3.1/1. = 5.1
quando sono cercare di allineare queste timeseries:
a1, b1 = ts.aligned(a, b)
timeseries vengo correttamente mascherato:
timeseries([1 2 -- 3],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
timeseries([4 -- 5 6],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
ma quando lo faccio a1 * 0.3 + b1 * 0.7
, ignora i valori, che sono presenti in una sola timeseries:
timeseries([3.1 -- -- 5.1],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
Cosa devo fare per ricevere l'atteso?
timeseries([3.1 2. 5. 5.1],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
EDIT: La risposta dovrebbe essere applicabile anche a più di due timeseries iniziali con diversi pesi e valori diversamente mancanti.
Quindi se abbiamo quattro timeseries con pesi T1 (0,1), T2 (0,2), T3 (0,3) e T4 (0,4), i pesi in un dato timestamp saranno:
| T1 | T2 | T3 | T4 |
weight | 0.1 | 0.2 | 0.3 | 0.4 |
-------------------------------------
all present | 10% | 20% | 30% | 40% |
T1 missing | | 22% | 33% | 45% |
T1,T2 miss. | | | 43% | 57% |
T4 missing | 17% | 33% | 50% | |
etc.
"più di due timeseries iniziali"? Intendi T1, T2, T3? Non è solo ((T1 * agg * T2) * agg * T3)? In tal caso, qualsiasi numero di serie temporali può essere aggregato semplicemente applicando la soluzione come una riduzione. Se no, perché no? –
@ S.Lott - non proprio. Come gestireste i pesi con T1 (0,2), T2 (0,2) e T3 (0,6)? Se a un dato timestamp T1 manca, allora lo 0,6 di T3 rappresenta effettivamente il 75% (T2 ha quindi il 25%) e non il 60% di tutto il gruppo. Nella tua logica ((T1 agg T2) agg T3) ciò non funzionerebbe. – eumiro
@eumiro: per favore ** aggiorna ** la tua domanda con questo requisito. –