TemporalData

TemporalData[{v1,v2,…},tspec]

表示时间数据，其中数值 vi 在由 tspec 指定的时间处发生.

TemporalData[{{v11,v12,…},{v21,v22,…},…},tspec]

表示时间数据集合，其中数值 vij 在由 tspec 指定的时间处发生.

TemporalData[{{t1,v1},{t2,v2}…}]

表示由时间-数值对 {ti,vi} 指定的时间数据.

TemporalData[{{{t11,v11},{t12,v12}…},{{t21,v21},{t22,v22},…},…}]

表示时间数据集合，以时间-数值对 {tij,vij} 的列表给出.

更多信息和选项

  • TemporalData 表示由时间——数值对 {tij,vij} 组成的路径集合.
  • 值 vij 可以是标量或任意维度的数组，要求它们的维度必须相同.
  • 可以给出下列时间 tspec：
  • Automatic使用从 0 开始的均匀间隔的时间
    {tmin}使用从 tmin 开始的均匀间隔的时间
    {tmin,tmax}使用从 tmin 到 tmax 的均匀间隔的时间
    {tmin,tmax,dt}使用从 tmin 到 tmax 步长为 dt 的时间
    {{t1,t2,…}}使用显式时间 {t1,t2,…}
    {tspec1,tspec2,…}对集合中的每条路径使用不同时间
  • tij 可以是数字或者 AbsoluteTime 的任意有效输入.
  • 数值 tmin、tmax 和 dt 可以以数值、日期或者 Automatic 给出.
  • 具有相等维度 {td1,td2,…} 的 TemporalData 对象可以用 TemporalData[{td1,td2,…}] 合并成单个对象.
  • Normal[td] 对每条路径返回包含时间-数值对 {tij,vij} 的列表.
  • 指定 td[t] 给出时间 t 处的经验切片分布.
  • 时间 {t1,t2,…} 的联合经验切片分布可以通过指定 td[{t1,t2,…}] 获得.
  • TemporalData 对象 td 的属性可以从 td["property"] 获取.
  • 可用属性列表可以使用 td["Properties"] 获得.
  • 路径集合的一些属性：
  • "Components"把集合分隔为单独的部分
    "PathCount"集合中的路径数目
    "PathLengths"包含每条路径长度的列表
    "Paths"包含每条路径的时间-数值对 {tij,vij} 的列表
    "DatePaths"包含每条路径的日期-数值对的列表
    "TimeList"包含每条路径的时间 tij 的列表
    "DateList"包含每条路径的数据形式的 tij 的列表
    "ValueDimensions"数值的维度
    "ValueList"包含每条路径的数值 vij 的列表
    "FirstTimes"每条路径的初始时间列表
    "FirstDates"每条路径的初始时间的数据形式列表
    "LastTimes"每条路径的终止时间列表
    "LastDates"每条路径的终止时间的数据形式列表
    "FirstValues"每条路径初始时间上的数值的列表
    "LastValues"每条路径终止时间上的数值的列表
  • 如果日期以输入给出，td["Times"] 以 AbsoluteTime 返回时间.
  • 获取集合部分的一些属性：
  • "Part"原始数据的子集
    "Path"给定路径的时间-数值对 {tij,vij}
    "DatePath"给定路径的日期-数值对 {dateij,vij}
    "PathComponents"将多变量路径分解为单变量分量
    "PathFunction"插值路径函数
    "Values"给出的路径的状态值 vi
    "Times"对于给定路径的时间 ti
    "Dates"给定路径的时间的数据形式 ti
    "SliceData"给定时间处穿过所有路径的切片
    "SliceDistribution"给定时间处切片数据的经验分布
    "FirstTime"给定路径的初始时间 t1
    "FirstDate"给定路径初始时间 t1 的数据形式
    "LastTime"给定路径的终止时间
    "LastDate"给定路径终止时间的数据形式
    "FirstValue"给定路径的初始时间的状态值 v1
    "LastValue"给定路径终止时间的状态值
  • 指定 td["Path",p] 给出由 p 指定的路径的时间-数值对，其中 p 可以是任意有效的 Part 指定.
  • 属性 td["PathFunction",p] 返回由 p 指定的插值路径.
  • 指定 td["PathComponent",p] 给出由 p 指定的值的向量分量 TemporalData.
  • 指定 td["Part",p,tspec] 将对由 p 指定的路径和由 tspec 指定的时间给出路径的 TemporalData. 如果需要的话，路径根据 "PathFunction" 重新采样.
  • 给出 td["SliceData",t] 返回时间 t 处穿过所有路径的切片，其中 t 可以是一个数或者 AbsoluteTime 的有效输入.
  • 规范 td["SliceData",{t1,t2,…}] 给出时间 {t1,t2,…} 处的多变量切片.
  • TemporalData 使用下列选项：
  • CalendarType "Gregorian"使用日历类型
    HolidayCalendar {"UnitedStates","Default"}使用假期日历
    TimeZone $TimeZone使用的时区
    MetaInformation None包含额外的元信息
    MissingDataMethod None缺失数值使用的方法
    ResamplingMethod "Interpolation"对重采样路径使用的方法
    ValueDimensions Automatic数值的维度
    TemporalRegularity Automatic是否假定数据是规则的
    DateFunction Automatic如何将数据转化成标准形式
  • 默认情况下，对重采样路径使用零阶插值，可以给出设置 ResamplingMethod->{"Interpolation",opts} ，其中 opts 是传递给 Interpolation 的选项.
  • 设置 ValueDimensions->dim 指定数值 vij 的维度 dim. 设置 ValueDimensions->Automatic 尝试通过数据自动确定状态空间的维度.
  • 设置 MissingDataMethod->Automatic 将根据 ResamplingMethod 设置自动对头部为 Missing 的数值进行插值. 默认情况下，头部为 Missing 的数值视为缺失数据.
  • TemporalData 的 Information 可能包括以下属性：
  • "DateInterval"起始结束日期
    "DataPoints"数据点的数
    "Regular"数据是否正则采样
    "OutputDimensions"输出值的维度
    "Metadata"所有元数据

范例

打开所有单元关闭所有单元

基本范例  (3)

将时间信息附加到一些值上：

可视化路径：

创建具有相等时间的路径集合：

可视化集合：

在时间 处计算 Mean 和 StandardDeviation：

将日期作为时间戳使用：

使用 DateListPlot 绘制金融时间序列图线：

2009年5月24日的两支股票价格：

在日期范围内，每支股票的平均价格：

范围  (40)

基本用途  (5)

对一个时间序列估计自相关和偏自相关：

生成一个随机过程的样本路径，使用 RandomFunction：

给定一个样本路径，估计过程参数：

对过程和数据比较 CorrelationFunction：

在一个时间序列中填充缺失值：

使用线性插值来填充缺失值：

计算通过多个路径的时间片段的属性：

Mean 和 StandardDeviation：

概率和期望：

指定状态和时间  (19)

在 Automatic 时间戳下，获取状态值列表：

创建时间从 开始的路径：

使用日期作为起始时间：

日期可以作为 AbsoluteTime 的任意有效输入:

使用从 10 到 50 的等间隔时间:

给出日期范围来使用：

指定 Automatic 端点：

提取上次计算的日期：

以步长2创建从时间1到20的路径：

使用 Automatic 端点和固定步长：

提取计算的最近日期：

Automatic 选择开始的点，给定频率：

提取算出的第一个时间：

给出时间的显式列表：

给出明确的日期列表：

创建带有同样时间戳的三个路径的集合：

对每条路径使用不同时间戳：

创建具有不同时间和相同状态值的路径集合：

使用时间-数值对，指定路径：

从日期-数值对，创建路径：

从时间-数值对，创建路径集合：

使用日期-数值对，创建路径集合：

创建含有总量的日期的路径：

属性和部分元素提取  (13)

获取一个可用属性列表：

获取与输入数据相关的属性：

集合中的路径数：

数值的维度：

用在第一条路径的数值：

第一条路径的次数“

从集合中提取路径：

第一条路径：

获取第五条路径：

画出路径中的三条：

显示总体中的所有路径：

提取值为向量的数据的路径分量：

第一个分量：

获取第二个分量：

绘制路径分量：

指定路径和路径分量的名称并使用它们进行提取：

按名称提取路径：

按名称提取路径分量：

获取作为时间函数的路径：

第一个过程函数：

第十个过程函数：

画出三条路径：

显示总体中的所有路径：

获取不同时间点路径的总体的分层：

在时间 的片段:

一个二变量的分层：

获取指定一天的一个分层：

获取不同时间点经验分布的一个分层：

在 0.25 时间的经验片分布：

二变量经验片分布：

获取一个原始数据的子集：

取时间段 0.2 到 0.8 上奇数路径：

在一个给定次数集合上的重取样数据：

在 0.25 步的原始路径的上采样：

新数据从路径函数中取样：

在给定的日子里重采样数据：

包含量的时间数据：

给定为 QuantityArray 的值：

提取量单位信息：

提取量幅度：

时间数据算术  (3)

数值的，可列的函数自动穿过 TemporalData 值：

与 TimeSeriesMap 的结果比较：

结合几个有穿过数值的相同时间戳的 TemporalData 对象：

根据包括量的存在的时间数据创建量幅度的新的时间数据：

创建量单位的新的时间数据：

选项  (22)

CalendarType  (1)

使用 CalendarType 将时间戳指定为特定日历中的日期：

默认情况下，使用 "Gregorian" 日历：

DateFunction  (2)

使用 DateList 定义用于诠释模糊日期字符串的函数：

使用 DateObject 定义用于诠释模糊日期字符串的函数：

指定输入的 TimeZone：

HolidayCalendar  (1)

使用 HolidayCalendar 可视化给定国家的工作日：

MetaInformation  (4)

将额外元数据作为规则列表包含进来：

属性目前包含元数据 "Event":

添加的元数据可以像任意其它属性一样使用：

使用 MetaInformation 来确定 PlotLegends：

参看可用 MetaInformation：

直接获取指定信息：

可视化数据：

用 MetaInformation 命名值为向量的 TemporalData 的路径分量：

提取第二分量：

使用名称或数字提取第一和第三分量：

用 MetaInformation 命名路径：

按名称提取路径：

使用名称或编号提取第一条和第三条路径：

MissingDataMethod  (5)

默认情况下，头部为 Missing 的数值解释为缺失数据：

设置 Automatic 将对缺失数据插值，根据 ResamplingMethod 设置：

使用三次插值对路径进行插值：

把 ResamplingMethod 设为 None，将不对缺失数值进行插值：

使用自定义插值来填充缺失数据：

处理缺失数据的方法不必匹配 ResamplingMethod：

把缺失数据索引视为元信息：

突出显示插值区域：

ResamplingMethod  (6)

默认情况下，"PathFunction" 给出从左边保持数据的零阶路径：

把 InterpolationOrder 设置为 1:

使用从右边保持数据的零阶插值：

使用常数：

使用路径的立方样条插值：

使用的插值方法可以影响时间切片值：

路径的时间戳印：

时间戳印之间的时间点：

把方法设置为 None 将数据中没有出现的数值为缺失值：

同样，使用恒等的 Missing[]：

TemporalRegularity  (1)

明确假定时间数据是规则间隔的：

内部时间表示：

新的内部时间表示：

TimeZone  (1)

指定 TemporalData 的时区：

时间戳是在 $TimeZone 中创建的，但日期按选项指定的时区显示：

ValueDimensions  (1)

默认情况下，状态空间的维度从数据推出：

输入解释为 25 条不同路径：

把 ValueDimensions 设为 2 视数据为维度为2的单条路径：

应用  (2)

再生成随机过程的均值函数：

比较数据和过程的方差函数：

比较 4 阶矩函数：

估计 TransformedProcess 的切片的方差：

与实际方差比较：

属性和关系  (3)

一些等价关系：

两种提取路径集合的方法：

两种方法获取集合中的第一条路径：

时间 处的切片分布：

TemporalData 与 TimeSeries 相关：

TimeSeries 只能包含单个路径：

TimeSeries 的切片行为与 TemporalData 不同：

TimeSeries 对象不能合并为一个单一的 TemporalData 对象：

TemporalData 是 EventSeries 的推广：

与 TemporalData 不同，EventSeries 没有插入：

可能存在的问题  (5)

状态空间的维度可以是模糊的：

默认情况下，这解释为维度为1的五条路径的集合：

把 ValueDimensions 设为2视数据为维度为2的单一路径：

累积不规则采样时间数据：

Accumulate 会重新采样创建规则的采样时间数据：

与累积的值比较：

为了恢复该行为，假设 TemporalRegularity：

另一种方法是通过设置新值为 0 来指定 ResamplingMethod：

如果 ResamplingMethod 规范不是已实现的规范，则假设值为 Automatic：

路径名称必须是字符串：

路径名称必须是非空字符串：

路径分量的名称必须是字符串：

路径分量的名称必须是非空字符串：

巧妙范例  (1)

用动画显示中生代时期大陆板块的运动：

Wolfram Research (2012)，TemporalData，Wolfram 语言函数，https://reference.wolfram.com/language/ref/TemporalData.html （更新于 2019 年）.

文本

Wolfram Research (2012)，TemporalData，Wolfram 语言函数，https://reference.wolfram.com/language/ref/TemporalData.html （更新于 2019 年）.

CMS

Wolfram 语言. 2012. "TemporalData." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2019. https://reference.wolfram.com/language/ref/TemporalData.html.

APA

Wolfram 语言. (2012). TemporalData. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/TemporalData.html 年

BibTeX

@misc{reference.wolfram_2024_temporaldata, author="Wolfram Research", title="{TemporalData}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/TemporalData.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_temporaldata, organization={Wolfram Research}, title={TemporalData}, year={2019}, url={https://reference.wolfram.com/language/ref/TemporalData.html}, note=[Accessed: 22-November-2024 ]}