我正在处理时间序列数据(非平稳)，我已应用 .diff(periods=n) 对数据进行差分以消除数据中的趋势和季节性因素。
通过使用 .diff(periods=n)，从当前观察值(t )。
现在我想将差异数据反转回其原始比例，但我遇到了问题。您可以找到代码 here .
我的差分代码:
data_diff = df.diff(periods=1)
data_diff.head(5)
我将差异数据反转回其原始比例的代码:
cols = df.columns
x = []
for col in cols:
diff_results = df[col] + data_diff[col].shift(-1)
x.append(diff_results)
diff_df_inverted = pd.concat(x, axis=1)
diff_df_inverted
正如您从代码的最后一个输出中看到的那样，我已成功将数据反转回其原始比例。但是，我没有得到第 1 行的反转数据。它将值反转并向上移动一行。我的问题是，为什么？我错过了什么？
谢谢!
最佳答案
在这一行中:
diff_results = df[col] + data_diff[col].shift(-1)
data_diff 从第二行开始，这就是它看起来可以向上移动的原因。.shift(-1)。
一个简单的解决方案是使用 df.cumsum()因为它与 df.diff() 完全相反。
您唯一需要做的就是获取第一行以替换 data_diff 数据帧中的 NaN 值。您需要这样做，因为它是将每隔一行添加到的原始行。之后，您调用 data_diff.cumsum()，现在您有了原始数据。
这里是详细的代码。
data_diff.iloc[0]=df.iloc[0]
a = data_diff.cumsum()
关于python - 时间序列固定技术，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/62865886/