TimeSeriesResample

TimeSeriesResample[tseries]

使われている最小の時間増分に従って，一様に tseries のリサンプリングを行う．

TimeSeriesResample[tseries,rspec]

rspec に従って tseries のリサンプリングを行う．

詳細とオプション

  • TimeSeriesResampleは，しばしば，不規則な時系列を規則的な時系列に変換するために使われる．これは，時系列を揃えるために使うこともできる．
  • 時系列 tseries は，値のリスト{x1,x2,…}，時点と値のペアのリスト{{t1,x1},{t2,x2},…}，TimeSeries，EventSeries，TemporalDataのいずれでもよい．
  • rspec の基本的な設定
  • dt間隔 dt の一様な時点を使う
    {t_(0),t_(1),dt}間隔 dt の t0から t1までの時点を使う
    {{t1,t2,…}}明示的な時点{t1,t2,…}を使う
    dayspec曜日指定を使う
  • 使用可能な dayspec のタイプには，"Weekday"，"Weekend"，MondayからSundayまで，"BeginningOfMonth"，"EndOfMonth"，"BusinessDay"，"Holiday"がある．
  • dt がAutomaticに設定されていると，tseries における最小の時間増分が使われる．
  • tseries が複数の経路を含む場合は，rspec の次の設定が役に立つ．
  • "Union"tseries のすべての時点を使う
    "Intersection"全経路に共通の時点を使う
    {"Times",p}経路 p からの時点を使う
  • 時点が与えられていない場合，tseries は単位間隔で規則的であるとみなされる．
  • TimeSeriesResampleで使用可能なオプション
  • ResamplingMethod Automatic経路のリサンプリングに使用するメソッド
    CalendarType "Gregorian"日付を解釈する暦体系
    HolidayCalendar {"UnitedStates","Default"}営業日のスケジューリングのための暦の上での休日
    TimeZone Automatic日付に指定された時刻帯

例題

すべて開くすべて閉じる

例  (3)

時系列のリサンプリングを行う：

最小の時間増分より狭い間隔でリサンプリングを行うと，タイムスタンプが加えられる：

最小の時間増分より広い間隔でリサンプリングする：

日付がある時系列のリサンプリングを行う：

営業日を選ぶ：

週末を選ぶ：

水曜日を選ぶ：

不規則なデータのリサンプリングを行う：

ステップ2でリサンプリングを行う：

再度時系列のサンプルを取る．今回は規則的にサンプルされている：

スコープ  (13)

基本的な用法  (3)

時系列のダウンサンプリングを行う：

粒度0.25でリサンプリングを行う：

複数の経路のサンプリングを同時に行う：

粒度0.1でリサンプリングを行う：

欠測値を補う：

週末や祝日を補間して，日を単位としたリサンプリングを行う：

代りにMissingを挿入することもできる：

データの型  (6)

ベクトル形式で時系列のリサンプリングを行う：

2の倍数でアップサンプリングを行う：

2の倍数でダウンサンプリングを行う：

時点と値のペアとして与えた時系列：

2の倍数でアップサンプリングを行う：

2の倍数でダウンサンプリングを行う：

TimeSeriesのリサンプリングを行う：

2の倍数でアップサンプリングを行う：

2の倍数でダウンサンプリングを行う：

EventSeriesのリサンプリングを行う：

デフォルトで，事象系列は補間されない：

ResamplingMethodを設定すると，上記は無効になる：

TemporalDataとして与えられた単一路：

2の倍数でアップサンプリングを行う：

2の倍数でダウンサンプリングを行う：

TemporalDataとして与えられた複数の経路：

2の倍数でアップサンプリングを行う：

2の倍数でダウンサンプリングを行う：

サンプリング  (4)

最小の時間増分に従ってリサンプリングを行う：

もとのデータは不規則である：

リサンプリングによって，同じ最小の時間増分の規則的なデータが与えられる：

サンプリングの増分を3に指定する：

より大きい値を使うとサンプリングが粗くなる：

暦時間に基づいたサンプリングの増分を使う：

複数の経路のリサンプリングを行う：

時点の和集合を使う：

共通集合：

最初の経路からの時点を使う：

オプション  (6)

ResamplingMethod  (3)

線形補間を使って不規則なデータのリサンプリングを行う：

デフォルトで，データについてのメソッド設定が使われる：

ResamplingMethodをNoneに設定すると，不規則データに欠測値が与えられる：

一定の値を使う：

CalendarType  (1)

株価の時系列：

イスラム暦を使ってリサンプリングする：

HolidayCalendar  (1)

株価の時系列：

アメリカ合衆国の営業日に従ってリサンプリングする：

ニューヨーク証券取引所の営業日に従ってリサンプリングする：

ニューヨーク証券取引所が閉まっている営業日を1日求める：

ニューヨーク証券取引所が閉まる祝日：

TimeZone  (1)

株価の時刻帯：

この時系列は定期的にサンプルされていない：

ニューヨークの時刻帯でニューヨーク証券取引所の営業日に従ってリサンプリングする：

アプリケーション  (5)

次の時系列は，ある人物の5ヶ月分の毎日の歩数を含んでいる：

歩数を曜日によって分析する：

各曜日の値を選択する：

各曜日の歩数の平均を計算する：

曜日ごとの平均歩数を可視化する：

金融情報は営業日についてしか生成されない：

自動的に生成された時系列は規則的にサンプリングされたものではない：

"BusinessDay"に従ってサンプルを取り直し，規則的な時系列を作る：

経路は等しい：

ある金融データについて考える：

このデータは営業日についてしか生成されない．その他の日には変更が加わらない．したがって，左から値を保存することで日ごとの値をサンプルし直すことができる：

このプロットは，週末と休日は平坦になっている：

AirPressureDataを使って，ロングアイランドマッカーサー空港における，ハリケーンサンディが原因の気圧変化を調べる：

このデータは規則的にサンプルされていない：

変化率を分析するためには，データが規則的な時系列になるようにサンプルし直さなければならない：

各観測値を不連続にプロットすると，気圧の変化率が示される．間隔が大きい箇所は変化が急速であることを示している：

2014年におけるシャンペーンの月ごとの気温を分析する：

未加工データは1日ごとのものである：

月ごとにリサンプリングする：

基本記述統計：

もとのデータと比較する：

考えられる問題  (1)

もとのタイムスタンプはリサンプリングの後まで保存されないかもしれない：

この時系列は規則的にサンプリングされたものではない：

MinimumTimeIncrementに従ってリサンプリングする：

新たな時点：

Wolfram Research (2014), TimeSeriesResample, Wolfram言語関数， https://reference.wolfram.com/language/ref/TimeSeriesResample.html （2019年に更新）.

テキスト

Wolfram Research (2014), TimeSeriesResample, Wolfram言語関数， https://reference.wolfram.com/language/ref/TimeSeriesResample.html （2019年に更新）.

CMS

Wolfram Language. 2014. "TimeSeriesResample." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2019. https://reference.wolfram.com/language/ref/TimeSeriesResample.html.

APA

Wolfram Language. (2014). TimeSeriesResample. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/TimeSeriesResample.html

BibTeX

@misc{reference.wolfram_2024_timeseriesresample, author="Wolfram Research", title="{TimeSeriesResample}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/TimeSeriesResample.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_timeseriesresample, organization={Wolfram Research}, title={TimeSeriesResample}, year={2019}, url={https://reference.wolfram.com/language/ref/TimeSeriesResample.html}, note=[Accessed: 22-November-2024 ]}