一种基于Python的时序数据分析方法与流程

本发明涉及数据分析，具体为一种基于python的时序数据分析方法。

背景技术：

1、时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列，用于所描述现象随时间变化的情况。这类数据反映了某一事物、现象等随时间的变化状态或程度。在大量领域中，时序数据的分析都是一个重要的难题。

2、python语言由荷兰国家数学与计算机科学研究中心的吉多·范罗苏姆于1990年代初设计，其提供了高效的高级数据结构，还能简单有效地面向对象编程。python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。

3、由于python语言的门槛较低，并且其社区生态丰富，因此有不少非专业人士将其用于自身领域的数据分析，如量化交易人员通常都使用python进行量化分析，在工业领域，也有许多工程师将其用于设备产生的时序数据分析。然而，目前广泛使用的相关库对于非专业人士来说使用仍然显得繁杂，且通常来说，使用python语言进行数据分析，仍然需要一定的编程技能基础，这对于其他未接触过计算机编程语言的数据分析者并不友好。

技术实现思路

1、本发明提供的发明目的在于提供一种基于python的时序数据分析方法。通过本发明一种基于python的时序数据分析方法，该基于python的时序数据分析方法，基于python语言进行扩展，用户学习成本较低，可完美适配工业应用场景中常见的数据分析体系，能够自由选择输入与输出的数据类型。

2、为了实现上述效果，本发明提供如下技术方案：一种基于python的时序数据分析方法，包括以下步骤：

3、s1、基于python语言进行扩展，使其适配时序数据。

4、s2、该语言适配不同的时序数据频率。

5、s3、该语言能够灵活选择输入与输出的数据类型。

6、s4、时序数据或特征值能够相互引用，搭建一套数据分析体系。

7、进一步的，根据s1中的操作步骤，

8、s101、在所需应用中建立交互界面，使得用户能够调用本语言进行数据分析操作。

9、s102、对于时序数据，在交互界面上可以选择计算模式，计算模式包括普通模式与时序模式。

10、s103、对于普通模式，用户输入的时序数据将根据其对应的频率，转换为对应的二维数组。

11、s104、对于时序模式，用户输入的脚本将视作为在每一时刻执行的计算操作，由系统自动遍历所有计算点进行计算。

12、进一步的，根据s2中的操作步骤，

13、s201、在进行时序数据运算时，系统提供了选择数据频率的功能，用户可以定义运算的频率。

14、s202、根据选择的频率，系统将自动根据时序数据的长度，生成运算点。

15、s203、若选择的频率高于时序数据的频率，系统将对输入的时序数据进行插值处理。

16、s204、若选择的频率低于时序数据的频率，系统将对输入的时序数据进行降频处理。

17、进一步的，根据s203中的操作步骤，所述插值处理中，用户可以任意选择插值算法，可选的插值算法包括使用最近有效值、线性平滑、macd平滑多种插值算法。

18、进一步的，根据s203中的操作步骤，所述最近有效值在给定时间窗口内最近测量或计算得到的某个量的有效值，所述线性平滑是一种数据平滑技术，用于减少数据中的随机波动或噪声，以便更清晰地显示数据的趋势或周期性。

19、进一步的，根据s203中的操作步骤，所述macd平滑是指在使用macd指标时，通过对快速移动平均线ema1和慢速移动平均线ema2的差值diff进行进一步平滑处理，得到差离平均值dea的过程，所述多种插值算法用于通过已知的离散数据点来估算未知数据点的值。

20、进一步的，根据s3中的操作步骤，

21、s301、在使用时，用户需要定义输入的数据类型为时序数据或特征数据。

22、s302、在使用时，用户需要定义输出的数据类型为时序数据或特征数据。

23、s303、若在s102选择计算模式时，选择的是时序模式，则输出的数据可以为时序数据或特征数据。

24、s304、若在s102选择计算模式时，选择的是普通模式，则输出的数据只能为特征数据。

25、进一步的，根据s4中的操作步骤，

26、s401、在进入时序数据计算前，生成在全局生效的句柄g。

27、s402、在计算时，将所有引用参数引入句柄中，以便进行访问。

28、s403、用户可将自定义的参数存入句柄中，起到全局变量的功能。

29、s404、若进行时序运算，则句柄内包含对应的时间信息。

30、s405、句柄内的时序参数的__getitem__()函数经过重载，使得在每个时间点能够根据对应时间取得对应的数值参数。

31、进一步的，根据s1中的操作步骤，所述方法包括但不限于工业、金融领域的时序数据分析工作中。

32、进一步的，根据s4中的操作步骤，所述方法分析的结果，进行可视化，用户则可以直观地监测着陆载荷是否超过阈值的相关事件。

33、本发明提供了一种基于python的时序数据分析方法，具备以下有益效果：该基于python的时序数据分析方法，基于python语言进行扩展，用户学习成本较低，可完美适配工业应用场景中常见的数据分析体系，能够自由选择输入与输出的数据类型。

技术特征：

1.一种基于python的时序数据分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s1中的操作步骤，

3.根据权利要求1所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s2中的操作步骤，

4.根据权利要求3所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s203中的操作步骤，所述插值处理中，用户可以任意选择插值算法，可选的插值算法包括使用最近有效值、线性平滑、macd平滑多种插值算法。

5.根据权利要求4所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s203中的操作步骤，所述最近有效值在给定时间窗口内最近测量或计算得到的某个量的有效值，所述线性平滑是一种数据平滑技术，用于减少数据中的随机波动或噪声，以便更清晰地显示数据的趋势或周期性。

6.根据权利要求4所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s203中的操作步骤，所述macd平滑是指在使用macd指标时，通过对快速移动平均线ema1和慢速移动平均线ema2的差值diff进行进一步平滑处理，得到差离平均值dea的过程，所述多种插值算法用于通过已知的离散数据点来估算未知数据点的值。

7.根据权利要求2所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s3中的操作步骤，

8.根据权利要求1所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s4中的操作步骤，

9.根据权利要求1所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s1中的操作步骤，所述方法包括但不限于工业、金融领域的时序数据分析工作中。

10.根据权利要求1所述的一种基于python的时序数据分析方法，其特征在于，包括以下步骤：根据s4中的操作步骤，所述方法分析的结果，进行可视化，用户则可以直观地监测着陆载荷是否超过阈值的相关事件。

技术总结本发明公开了一种基于Python的时序数据分析方法，属于数据分析技术领域，包括以下步骤：S1、基于Python语言进行扩展，使其适配时序数据，S2、该语言适配不同的时序数据频率，S3、该语言能够灵活选择输入与输出的数据类型，S4、时序数据或特征值能够相互引用，搭建一套数据分析体系。该基于Python的时序数据分析方法，基于Python语言进行扩展，用户学习成本较低，可完美适配工业应用场景中常见的数据分析体系，能够自由选择输入与输出的数据类型。技术研发人员：徐贵强,黄子健,刘怡然,何太波,兰雨恒,彭立帆受保护的技术使用者：商飞软件有限公司技术研发日：技术公布日：2025/1/13