J'ai un fichier de données avec une colonne pleine d'horodatages et j'ai agrégé les temps en intervalles de temps de 10 minutes, j'essaie de les visualiser pour trouver les motifs sous-jacents de la demande. J'ai regardé un histogramme de cette information ... et la carte de chaleur n'a pas donné de bons résultats. Mon information est juste une colonne pleine de timestamps comme ceci: 2017-08-28 14:37:00 J'ai 100.000 lignes et j'essaie d'utiliser des pandas pour la prévision, je ne sais pas si je devrais utiliser la régression linéaire ou kalman filtre jusqu'à présent c'est ma visualisation plt.figure() df ["time"]. apply (lambda x: x.heure) .plot.hist (bin = 24) J'essaie de l'obtenir plus granulaire sur un 10 minute intervalle de temps et puis regarder des modèles et mettre en œuvre une technique de prévisionVisualisation par intervalles d'une dizaine de minutes d'un horodatage pour des motifs utilisant des pandas pour la prévision?
Répondre
Je ne suis pas sûr de comprendre quelle est votre question avec précision. D'après ce que j'ai compris, vous avez une série temporelle unidimensionnelle de «demande» et vous voulez développer un algorithme de prédiction. Pour votre exploration de données, l'identification de modèles ", je comprends que vous avez des difficultés pour la visualisation.Pour commencer, pour augmenter la granularité de votre histogramme, vous pouvez vouloir group your data sur une base quotidienne et tracer un histogramme avec 24 * 6 = . 144 bacs Si vous voulez essayer plus la visualisation, certains sont bases un:
- vous pouvez essayer une simple visualisation graphique que vos données semble être unidimensionnelle
- une autre option est de construire heatmaps avec comme axe l'heure du jour, du jour de la semaine (lundi, mardi, etc.), le mois de l'année
- un diagramme de dispersion avec comme axe x l'heure entre 0h et 23h, ...
Vous devriez trouver beaucoup different options.
Pour l'algorithme de prédiction, vous n'avez fourni aucune information afin de pouvoir donner un indice. Essayez d'être plus précis, ou faites une recherche rapide pour "prédiction de série chronologique"