假设我有两个假设的时间序列数据,一个是降雨,另一个是海洋表面温度。在
Rainfall Time Series:
2001-12-31 25 mm
2002-12-31 50 mm
2003-12-31 75 mm
2004-12-31 50 mm
2005-12-31 25 mm
2006-12-31 10 mm
2007-12-31 6 mm
2008-12-31 8 mm
2009-12-31 10 mm
2010-12-31 12 mm
2011-12-31 20 mm
2012-12-31 75 mm
Rainfall Time Series:
2001-12-31 36 (Degrees Celsius)
2002-12-31 37 (Degrees Celsius)
2003-12-31 38 (Degrees Celsius)
2004-12-31 37 (Degrees Celsius)
2005-12-31 36 (Degrees Celsius)
2006-12-31 34 (Degrees Celsius)
2007-12-31 32 (Degrees Celsius)
2008-12-31 33 (Degrees Celsius)
2009-12-31 34 (Degrees Celsius)
2010-12-31 35 (Degrees Celsius)
2011-12-31 35.9 (Degrees Celsius)
2012-12-31 38 (Degrees Celsius)
我想回答这些问题:
^{pr2}$我们知道降雨量和海洋表面温度是相关的,不是虚假的(不像航空乘客和大米产量的时间序列例子),我读过两个时间序列的近似熵和回归,我甚至读到ARIMA也是确定两个时间序列数据之间关系的好方法,但是我在python中使用scikit或pandas还没有找到任何好的详细示例。我更喜欢使用熵,但我不知道它是否能回答问题2。我还想问一下python中是否有置换分布集群,这似乎是解决问题1的一个有趣的方法。谢谢你的帮助!在
只要把它们画成一个散点图,你就可以看出它们之间的关系:
1)这两个系列有何关联?(例如使用UnivariateSpline,只需使用您喜欢的任何东西)
2)如何改变?对数据使用函数“拟合”的一阶导数。在
^{pr2}$相关问题 更多 >
编程相关推荐