Как я могу приблизиться к периодичности периода панды Серия

Question

Есть ли способ приблизить периодичность временных рядов в пандах? Для R объекты xts имеют метод, называемый periodicity, который служит именно для этой цели. Есть ли реализованный метод для этого?

Например, можно ли вывести частоту из временных рядов, которые не указывают частоту?

import pandas.io.data as web 
aapl = web.get_data_yahoo("AAPL") 

<class 'pandas.tseries.index.DatetimeIndex'> 
[2010-01-04 00:00:00, ..., 2013-12-19 00:00:00] 
Length: 999, Freq: None, Timezone: None 

Частота этой серии может быть приближена к ежедневной.

Update:

Я думаю, что это может быть полезно, чтобы показать исходный код реализации АиР методы периодичности.

function (x, ...) 
{ 
    if (timeBased(x) || !is.xts(x)) 
     x <- try.xts(x, error = "'x' needs to be timeBased or xtsible") 
    p <- median(diff(.index(x))) 
    if (is.na(p)) 
     stop("can not calculate periodicity of 1 observation") 
    units <- "days" 
    scale <- "yearly" 
    label <- "year" 
    if (p < 60) { 
     units <- "secs" 
     scale <- "seconds" 
     label <- "second" 
    } 
    else if (p < 3600) { 
     units <- "mins" 
     scale <- "minute" 
     label <- "minute" 
     p <- p/60L 
    } 
    else if (p < 86400) { 
     units <- "hours" 
     scale <- "hourly" 
     label <- "hour" 
    } 
    else if (p == 86400) { 
     scale <- "daily" 
     label <- "day" 
    } 
    else if (p <= 604800) { 
     scale <- "weekly" 
     label <- "week" 
    } 
    else if (p <= 2678400) { 
     scale <- "monthly" 
     label <- "month" 
    } 
    else if (p <= 7948800) { 
     scale <- "quarterly" 
     label <- "quarter" 
    } 
    structure(list(difftime = structure(p, units = units, class = "difftime"), 
     frequency = p, start = start(x), end = end(x), units = units, 
     scale = scale, label = label), class = "periodicity") 
} 

Я думаю, что эта линия является ключом, который я не совсем понимаю, p <- median(diff(.index(x)))

Answer 1

На этот раз серия пропускает выходные (и праздников), поэтому на самом деле у него нет ежедневной частоты для начала. Вы можете использовать asfreq для повышения частоты дискретизации его временного ряд с ежедневной частотой, однако:

aapl = aapl.asfreq('D', method='ffill') 

Это распространяется вперед последнее наблюдаемое значение даты с пропущенными значениями.

Обратите внимание, что панды также имеет рабочий день частоту, так что можно также повышающую дискретизацию в рабочие дни с помощью:

aapl = aapl.asfreq('B', method='ffill') 

---

Если вы хотите автоматизировать процесс выводя медианы частоты в дней, то вы можете сделать это:

import pandas as pd 
import numpy as np 
import pandas.io.data as web 
aapl = web.get_data_yahoo("AAPL") 
f = np.median(np.diff(aapl.index.values)) 
days = f.astype('timedelta64[D]').item().days 
aapl = aapl.asfreq('{}D'.format(days), method='ffill') 
print(aapl) 

---

Этот код нуждается в тестировании, но, возможно, речь идет о рядом с кодом R, который вы отправили:

import pandas as pd 
import numpy as np 
import pandas.io.data as web 

def infer_freq(ts): 
    med = np.median(np.diff(ts.index.values)) 
    seconds = int(med.astype('timedelta64[s]').item().total_seconds()) 
    if seconds < 60: 
     freq = '{}s'.format(seconds) 
    elif seconds < 3600: 
     freq = '{}T'.format(seconds//60) 
    elif seconds < 86400: 
     freq = '{}H'.format(seconds//3600) 
    elif seconds < 604800: 
     freq = '{}D'.format(seconds//86400) 
    elif seconds < 2678400: 
     freq = '{}W'.format(seconds//604800) 
    elif seconds < 7948800: 
     freq = '{}M'.format(seconds//2678400) 
    else: 
     freq = '{}Q'.format(seconds//7948800) 
    return ts.asfreq(freq, method='ffill') 

aapl = web.get_data_yahoo("AAPL") 
print(infer_freq(aapl)) 

Answer 2

Я не знаю, о частоте, единственной значимой мерой я могу придумать подло timedelta, для пример в дни:

>>> import numpy as np 
>>> idx = aapl.index.values 
>>> (np.roll(idx, -1) - idx)[:-1].mean()/np.timedelta64(1, 'D') 
1.4478957915831596 

или в часах:

>>> (np.roll(idx, -1) - idx)[:-1].mean()/np.timedelta64(1, 'h') 
34.749498997995836 

То же самое с более pandorable выражения, престижность к @DSM:

>>> aapl.index.to_series().diff().mean()/(60*60*10**9) 
34.749498997995993 

Конечно медиана будет 24 часа, как и большинство дней существует в списке:

>>> aapl.index.to_series().diff().median()/(60*60*10**9) 
24.0