我正在尝试找到一个能够对时间序列进行时间分解的包。R中有一个名为tempdisagg的包。
https://journal.r-project.org/archive/2013/RJ-2013-028/RJ-2013-028.pdf
python中是否有任何人知道的类似软件包?
如果这个包在 python 中不存在,是否有一个可用的例子,有人可以将该包中的此类函数从 R 调用到 Python 中。
我创建了一个名为timedisagg的开源Python包,它基于R tempdisagg包。该软件包实现了基本的Chow-Lin和Litterman方法。它还允许基本平均值、总和、第一次和最后一次转换选择,如 R 包。
给定 R 中的以下函数调用以将sales.a
分解为exports.q
的函数:
model <- td(sales.a ~ 0 + exports.q,method="chow-lin-maxlog",conversion="sum")
可以使用 timedisagg 进行类似的调用,如下所示:
from timedisagg.td import TempDisagg
td_obj = TempDisagg(conversion="sum", method="chow-lin-maxlog")
final_disaggregated_output = td_obj(expected_dataset)
其中expected_dataset
是具有以下格式的熊猫数据帧:
index grain X y
0 1972 1 1432.63900 NaN
1 1972 2 1456.89100 NaN
2 1972 3 1342.56200 NaN
3 1972 4 1539.39400 NaN
4 1973 1 1535.75400 NaN
5 1973 2 1578.45800 NaN
6 1973 3 1574.72400 NaN
7 1973 4 1652.17100 NaN
8 1974 1 2047.83400 NaN
9 1974 2 2117.97100 NaN
10 1974 3 1925.92600 NaN
11 1974 4 1798.19000 NaN
12 1975 1 1818.81700 136.702329
13 1975 2 1808.22500 136.702329
14 1975 3 1649.20600 136.702329
15 1975 4 1799.66500 136.702329
16 1976 1 1985.75300 151.056074
17 1976 2 2064.66300 151.056074
18 1976 3 1856.38700 151.056074
19 1976 4 1919.08700 151.056074
.. ... ... ... ...
152 2010 1 19915.79514 988.309676
153 2010 2 19482.48000 988.309676
154 2010 3 18484.64900 988.309676
155 2010 4 18026.46869 988.309676
156 2011 1 19687.52100 NaN
157 2011 2 18913.06608 NaN
这里 X 是exports.q
y 是sales.a
。
输出final_disaggregated_output
将显示如下,其中y_hat
是分解销售额:
index grain X y y_hat
0 1972 1 1432.639 NaN 21.656879
1 1972 2 1456.891 NaN 22.219737
2 1972 3 1342.562 NaN 20.855413
3 1972 4 1539.394 NaN 23.937916
4 1973 1 1535.754 NaN 24.229008
编辑 - 如果有人需要帮助将他们的数据处理到我的包中,请随时在包的 git 上提出问题。