Cómo agregados de series de tiempo en Python?
-
09-10-2019 - |
Pregunta
Tengo dos series de tiempo diferentes con marcas de tiempo que se superponen parcialmente:
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')
que representa siguientes datos:
Day: 20. 21. 22. 23.
a: 1 2 - 3
b: 4 - 5 6
Me gustaría para calcular un promedio ponderado en cada día con coeficientes a (0,3) y B (0,7), mientras que haciendo caso omiso de los valores que faltan:
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
la primera vez que trato de alinear estas series de tiempo:
a1, b1 = ts.aligned(a, b)
I Get correctamente timeseries enmascarado:
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)
pero cuando lo hago a1 * 0.3 + b1 * 0.7
, no tiene en cuenta los valores, que están presentes en una sola serie de tiempo:
timeseries([3.1 -- -- 5.1],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
¿Qué debo hacer para recibir la esperada?
timeseries([3.1 2. 5. 5.1],
dates = [20-Oct-2010 ... 23-Oct-2010],
freq = D)
editar . La respuesta debería ser aplicable también a más de dos series de tiempo iniciales con diferentes pesos y los valores que faltan de manera diferente
Así que si tenemos cuatro series de tiempo con los pesos T1 (0,1), T2 (0.2), T3 (0,3) y T4 (0,4), sus pesos en una marca de tiempo dado serán:
| 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.
Solución
Me han tratado y se encontró lo siguiente:
aWgt = 0.3
bWgt = 0.7
print (np.where(a1.mask, 0., a1.data * aWgt) +
np.where(b1.mask, 0., b1.data * bWgt)) / (np.where(a1.mask, 0., aWgt) +
np.where(b1.mask, 0., bWgt))
# array([ 3.1, 2. , 5. , 5.1])
Esto es aplicable a la cuestión editada con más de un timeseries iniciales. Pero esperemos que alguien va a encontrar mejor.
EDIT: Y esta es mi función:
def weightedAvg(weightedTimeseries):
sumA = np.sum((np.where(ts.mask, 0., ts.data * weight) for ts, weight in weightedTimeseries), axis=0)
sumB = np.sum((np.where(ts.mask, 0., weight) for ts, weight in weightedTimeseries), axis=0)
return np.divide(sumA, sumB)
weightedAvg(((a1, 0.3), (bb, 0.7)))
# array([ 3.1, 2. , 5. , 5.1])
Obras para cualquier número de series de tiempo; -)