如何在 python 中去除时间序列的趋势（去除异常值）答案

【问题标题】：How to detrend time series in python (to remove outliers)如何在 python 中去除时间序列的趋势（去除异常值）
【发布时间】：2019-12-06 03:27:36
【问题描述】：

我有一个朝某个方向发展的时间序列。正因为如此，它使得标准偏差不是分析数据的一个很好的工具。有没有办法可以“去趋势”或扁平化数据，以便我可以更轻松地进行异常值分析？

【问题讨论】：

stats.stackexchange.com/questions/120270

标签： python time-series outliers

【解决方案1】：

所以对于其他想要做同样事情的人来说，我发现对我想做的事情有用...

import numpy as np
from sklearn.linear_model import LinearRegression

def flatten_data(x, y):
    lr = LinearRegression().fit(x, y)
    slope = lr.coef_[0][0]
    y_int = lr.intercept_[0]
    flattened = []
    for i in range(len(x)):
        expected_val = slope * x[i] + y_int
        flattened.append(y[i] - expected_val)
    return flattened

这将对您的数据进行线性回归。然后只需遍历您的数据点并计算每个点与最佳拟合线的距离。这应该会为您提供数据的扁平化版本。

【讨论】：

【解决方案2】：

如果您想为此使用 R，有很多软件包支持去趋势时间序列（取决于您拥有的趋势，加法/乘法）。您可以使用时间序列分解技术，例如 stl [1]、decompose [2] 和 stR [3]。一次，您将时间序列分解为季节性、趋势和余数，出于去趋势的目的，您可以排除趋势分量（使用季节性 + 余数）

另外，如果你想坚持使用Python，请按照[4]分解时间序列，并如上所述从时间序列中排除趋势分量。

另外，如果你有兴趣稳定数据的方差，我建议你对你的时间序列应用对数转换（只取时间序列的对数）

希望这会有所帮助。

[1]https://www.rdocumentation.org/packages/stats/versions/3.6.1/topics/stl

[2]https://stat.ethz.ch/R-manual/R-devel/library/stats/html/decompose.html

[3]https://cran.r-project.org/web/packages/stR/vignettes/stRvignette.html

[4]https://machinelearningmastery.com/decompose-time-series-data-trend-seasonality/

【讨论】：