从时间序列数据中提取统计信息
为了从时间序列中提取有意义的数据，我们必须从时间序列数据中提取统计信息。这些统计信息可以是数据平均值、方差、相关性、最大值、最小值等等。这些统计数据必须通过窗口进行循环计算。我们使用预先被定义的窗口大小，持续计算这些数据。当这些统计数据被可视化以后，我们将发现有区的模式。那如何从时间序列数据中提取这些统计信息呢？
创建一个新的python文档，完整代码如下：
输入数据：
下图显示了第三列，第四列的最大值、最小值行平均值、以及两列的相关性
dim1与自身相关性为1，dim1与 dim2的相关性为0.00627，dim2与自身相关性为1.0
可视化如下：
移动的平均值
移动的相关性
从时间序列数据中提取统计信息
为了从时间序列中提取有意义的数据，我们必须从时间序列数据中提取统计信息。这些统计信息可以是数据平均值、方差、相关性、最大值、最小值等等。这些统计数据必须通过窗口进行循环计算。我们使用预先被定义的窗口大小，持续计算这些数据。当这些统计数据被可视化以后，我们将发现有区的模式。那如何从时间序列数据中提取这些统计信息呢？
创建一个新的python文档，完整代码如下：
输入数据：
下图显示了第三列，第四列的最大值、最小值行平均值、以及两列的相关性
dim1与自身相关性为1，dim1与 dim2的相关性为0.00627，dim2与自身相关性为1.0
可视化如下：
移动的平均值
移动的相关性
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
