三種Python比較兩個時間序列在圖形上是否相似的方法分享

更新時間：2023年03月23日 08:53:03 作者：Python實用寶典

這篇文章主要為大家詳細介紹了三種Python中比較兩個時間序列在圖形上是否相似的方法，文中的示例代碼簡潔易懂，感興趣的小伙伴可以了解一下

1.準備

開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上,如果沒有，可以訪問這篇文章：超詳細Python安裝指南進行安裝。

(可選1) 如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda，它內(nèi)置了Python和pip.

(可選2) 此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點

請選擇以下任一種方式輸入命令安裝依賴：

1. Windows 環(huán)境打開 Cmd (開始-運行-CMD)。

2. MacOS 環(huán)境打開 Terminal (command+空格輸入Terminal)。

3. 如果你用的是 VSCode編輯器或 Pycharm，可以直接使用界面下方的Terminal.

pip?install?matplotlib
pip?install?numpy

2. 使用Matplotlib可視化比較兩個時間序列

import?matplotlib.pyplot?as?plt

# 生成時間序列數(shù)據(jù)
x = [1,?2,?3,?4,?5]
y1 = [10,?15,?13,?17,?20]
y2 = [8,?12,?14,?18,?22]

# 繪制兩個時間序列的折線圖
plt.plot(x, y1, label='y1')
plt.plot(x, y2, label='y2')

# 設(shè)置圖形屬性
plt.xlabel('Time')
plt.ylabel('Value')
plt.title('Comparison of two time series')
plt.legend()

# 顯示圖形
plt.show()

2. 計算兩個時間序列的相關(guān)系數(shù)

import?numpy?as?np

# 生成時間序列數(shù)據(jù)
x = [1,?2,?3,?4,?5]
y1 = [10,?15,?13,?17,?20]
y2 = [8,?12,?14,?18,?22]

# 計算相關(guān)系數(shù)
corr = np.corrcoef(y1, y2)[0,?1]

# 輸出結(jié)果
print('Correlation coefficient:', corr)

3.使用Python實現(xiàn)動態(tài)時間規(guī)整算法（DTW）

import?numpy?as?np

# 生成時間序列數(shù)據(jù)
x = [1,?2,?3,?4,?5]
y1 = [10,?15,?13,?17,?20]
y2 = [8,?12,?14,?18,?22]

# 動態(tài)時間規(guī)整算法
def?dtw_distance(ts_a, ts_b, d=lambda x, y: abs(x - y)):
????DTW = {}

????# 初始化邊界條件
????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

????# 計算DTW矩陣
????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距離
????return?DTW[len(ts_a)-1, len(ts_b)-1]

# 計算兩個時間序列之間的DTW距離
dtw_dist = dtw_distance(y1, y2)

# 輸出結(jié)果
print('DTW distance:', dtw_dist)

到此這篇關(guān)于三種Python比較兩個時間序列在圖形上是否相似的方法分享的文章就介紹到這了,更多相關(guān)Python比較時間序列圖形是否相似內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: