2

我在文本文件中有数据，我已成功解析为 MultiIndex pandas 结构，但是我不知道我所拥有的是否会做我想做的事情。

我所拥有的是具有许多标识符（索引）的大量时间序列数据。我最终需要计算每个时间序列的自动相关时间和其他时间序列统计信息。

#!/usr/bin/python

from pandas import Series, DataFrame, MultiIndex
...
data = Series(value, index=[smear, block, obser])
print data

print data.ix[('0.07','1','0')]

这会为数据结构产生如下输出：

0.07  0  0     1.5802561
         1    0.82228274
         2    0.70917131
         3    0.90707599
         4     0.8517223
         5    0.26346815
      1  0     1.8163109
         1     0.9972372
         2     1.0872181
         3     1.2459765
         4     1.1500478
         5    0.35668446
      2  0     2.0734421
         1     1.2863641
         2     1.4033583
...
0.34  2  3     1.9047537
         4     1.8193612
         5    0.77739654
      3  0     2.2757423
         1     1.5499509
         2     1.6623247
         3     1.8330889
         4     1.7484187
         5    0.72914635
      4  0     2.3269071
         1     1.7137621
         2     1.7359068
         3     1.9162268
         4     1.9714984
         5     1.2095218
Length: 32100

而我感兴趣的时间序列信息存在于smear、block、obser的指定值上。这里给出了 smear = 0.07, block = 1, obser = 0 的示例。最右边的列是我的时间序列数据。

0.07  1  0    1.8163109
         0    1.8191682
         0     1.816836
         0    1.8172168
         0    1.8169705
...
         0    1.8184542
         0    1.8170772
         0    1.8159326
         0    1.8161826
Length: 107

如何重塑数据以便我可以编写计算自相关时间的函数？

4

1 回答 1

2

首先，使用data.ix(whatever)对象的“值”组件来获取时间序列的原始数组。然后使用该numpy.correlate问题的答案中描述的方法来计算自相关。

于 2013-05-10T22:02:42.007 回答