跳到主要内容

Pandas 时间滞后

在时间序列分析中，时间滞后（Time Lag）是一个非常重要的概念。它指的是在时间序列数据中，某个时间点的值与之前某个时间点的值之间的关系。通过分析时间滞后，我们可以更好地理解数据的趋势、周期性和其他时间相关的特征。

什么是时间滞后？​

时间滞后是指将时间序列中的数据向后或向前移动一定的时间间隔。例如，如果我们有一个每日的销售数据，我们可以通过滞后操作来查看前一天或前一周的销售数据。这在分析数据的变化趋势、预测未来值或检测异常时非常有用。

如何使用Pandas实现时间滞后？​

Pandas提供了非常方便的函数来实现时间滞后操作。最常用的函数是 shift()。shift() 函数可以将数据沿着时间轴移动指定的时间步长。

基本用法​

假设我们有一个简单的每日销售数据：

python
import pandas as pd

# 创建一个包含每日销售数据的时间序列
data = {
    'date': pd.date_range(start='2023-01-01', periods=5, freq='D'),
    'sales': [100, 150, 200, 250, 300]
}
df = pd.DataFrame(data)
df.set_index('date', inplace=True)

print(df)

输出：

            sales
date             
2023-01-01    100
2023-01-02    150
2023-01-03    200
2023-01-04    250
2023-01-05    300

现在，我们可以使用 shift() 函数来创建一个滞后一列：

python
df['sales_lag1'] = df['sales'].shift(1)
print(df)

输出：

            sales  sales_lag1
date                         
2023-01-01    100         NaN
2023-01-02    150       100.0
2023-01-03    200       150.0
2023-01-04    250       200.0
2023-01-05    300       250.0

在这个例子中，sales_lag1 列显示了前一天（滞后一天）的销售数据。注意，第一行的 sales_lag1 是 NaN，因为在这一天之前没有数据。

滞后多天​

我们可以通过调整 shift() 函数的参数来滞后多天。例如，滞后两天：

python
df['sales_lag2'] = df['sales'].shift(2)
print(df)

输出：

            sales  sales_lag1  sales_lag2
date                                     
2023-01-01    100         NaN         NaN
2023-01-02    150       100.0         NaN
2023-01-03    200       150.0       100.0
2023-01-04    250       200.0       150.0
2023-01-05    300       250.0       200.0

向前移动​

除了向后移动数据，我们还可以向前移动数据。这可以通过传递一个负值给 shift() 函数来实现。例如，向前移动一天：

python
df['sales_lead1'] = df['sales'].shift(-1)
print(df)

输出：

            sales  sales_lag1  sales_lag2  sales_lead1
date                                                 
2023-01-01    100         NaN         NaN       150.0
2023-01-02    150       100.0         NaN       200.0
2023-01-03    200       150.0       100.0       250.0
2023-01-04    250       200.0       150.0       300.0
2023-01-05    300       250.0       200.0         NaN

在这个例子中，sales_lead1 列显示了后一天的销售数据。

实际应用场景​

1. 计算每日销售增长率​

通过滞后操作，我们可以轻松计算每日销售增长率。例如：

python
df['sales_growth'] = (df['sales'] - df['sales_lag1']) / df['sales_lag1']
print(df)

输出：

            sales  sales_lag1  sales_lag2  sales_lead1  sales_growth
date                                                                
2023-01-01    100         NaN         NaN       150.0           NaN
2023-01-02    150       100.0         NaN       200.0      0.500000
2023-01-03    200       150.0       100.0       250.0      0.333333
2023-01-04    250       200.0       150.0       300.0      0.250000
2023-01-05    300       250.0       200.0         NaN      0.200000

2. 检测异常值​

通过比较当前值与滞后值，我们可以检测出异常值。例如，如果某天的销售数据远高于前一天的销售数据，这可能是一个异常值。

python
df['is_anomaly'] = df['sales'] > 1.5 * df['sales_lag1']
print(df)

输出：

            sales  sales_lag1  sales_lag2  sales_lead1  sales_growth  is_anomaly
date                                                                           
2023-01-01    100         NaN         NaN       150.0           NaN       False
2023-01-02    150       100.0         NaN       200.0      0.500000       False
2023-01-03    200       150.0       100.0       250.0      0.333333       False
2023-01-04    250       200.0       150.0       300.0      0.250000       False
2023-01-05    300       250.0       200.0         NaN      0.200000       False

总结​

时间滞后是时间序列分析中的一个重要工具，它可以帮助我们理解数据的变化趋势、计算增长率、检测异常值等。Pandas 提供了 shift() 函数来轻松实现时间滞后操作。通过结合其他 Pandas 功能，我们可以进行更复杂的时间序列分析。

附加资源​

练习​

  1. 使用 shift() 函数计算一个时间序列数据的7天移动平均值。
  2. 创建一个包含滞后值和超前值的时间序列数据，并计算每日的变化率。
  3. 尝试使用时间滞后来检测一个时间序列中的异常值，并标记出这些异常值。
提示

在练习中，尝试使用不同的滞后步长，观察结果的变化。这将帮助你更好地理解时间滞后的影响。