import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pyhht.emd import EMD
from pyhht.visualization import plot_imfs
dataset = pd.read_csv('D:/python/anaconda/ARIMA/airPassenger.csv',encoding='utf-8',index_col='time')
'''
read_csv(path,encoding=,index_col=,)
-path(CSV文件路径名)
-encoding='utf-8' | 'gbk'(含有中文字符)
-index_col='attrName'(时间属性)
'''
dataset.index = pd.to_datetime(dataset.index)#将字符串索引转为时间对象索引
'''
查找数据：
dataset['1950/5'] --> 查找1950年5日数据
dataset['1950'] --> 查找1949年数据
dataset['1950':'1955'] --> 查找1950年-1955年数据
'''
decomposer = EMD(dataset['num'])#序列分解
imfs = decomposer.decompose()
【Deep|经验模态分解-EMD】plot_imfs(dataset['num'],imfs,dataset.index)#绘制序列分解图
su = pd.DataFrame(np.sum(imfs,axis=0),index=dataset.index)
plt.plot(su,color='red')
plt.show()
arr = np.vstack((imfs,dataset['num']))#保存分解数据
dataframe = pd.DataFrame(arr.T,index=dataset.index)
dataframe.to_csv('D:/python/anaconda/ARIMA/imf.csv')
print('时间序列分解保存完毕')
推荐阅读
- Machine|scikit-learn-分类模型评价标准
- AI|bert实现端到端继续预训练
- deep|Andrew Ng, deeplearning. Course2 week2,Optimization
- 数学|matlab三维山峰/山脉/山地曲面数据图
- Deep|Caffe——整体结构剖析
- Deep|Caffe——环境安装和配置(CPU)
- Deep|Caffe——模型解析
- machine|LightGBM参数介绍
- Python|Python怎么控制浮点数保留几位小数
- statistic|隐马尔科夫模型（HMM）与线性动态系统（LDS）