Numpy 对象的时间序列聚类

Question

我们将不胜感激每一个想法或建议！我有几个“相同风格”的 numpy 对象（u1,u2,u3...），每个对象都是：

对象 1：

   [[Timestamp('2004-02-28 00:59:16'), 19.9884],
   [Timestamp('2004-02-28 01:03:16'), 19.3024],
   ...
   [Timestamp('2004-02-28 01:06:16'), 19.1652]]

对象 2：

   [[Timestamp('2004-02-28 01:08:17'), 19.567],
   [Timestamp('2004-02-28 01:10:16'), 19.5376],
    ...
   [Timestamp('2004-02-28 01:26:47'), 19.4788]]

我想通过聚类来找出这些对象中的哪些在时间序列中具有相同的“趋势”。我尝试了几种方法，包括：

from sklearn.neighbors import NearestNeighbors
X = np.array([u1, u2, u3])
nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
distances, indices = nbrs.kneighbors(X)
print(distances)

我的一些错误：

TypeError: float() 参数必须是字符串或数字，而不是 'Timestamp'

ValueError: 使用序列设置数组元素。

TypeError：只有 size-1 的数组可以转换为 Python 标量

结论

至少有人可以给我一个建议我该怎么做。谢谢！

Answer 1

(1) 您的第一个错误意味着Timestamp 必须转换为字符串或数字。只需通过.value 将它们转换为数字，这意味着自 Unix 纪元时间 (1970-01-01) 以来的纳秒。列表中的操作：

u1 = list(map(lambda el: (el[0].value / 1e9, el[1]), u1))
u2 = list(map(lambda el: (el[0].value / 1e9, el[1]), u2))
...

(2) np.array([u1, u2, u3]) 生成 3D 数组，而不是通常预期的 2D。这可能是第二个错误的原因（期望一个数字，但由于冗余维度而得到一个序列）。将其替换为以下之一：

X = np.array(u1 + u2 + ...)  # for lists
X = pd.concat([u1, u2, ...], axis=0)  # for dataframes

修改后的代码可以运行。使用您的样本数据输出：

[[  0.         240.00098041]
 [  0.         180.00005229]
 [  0.         121.00066712]
 [  0.         119.00000363]
 [  0.         119.00000363]
 [  0.         991.00000174]]