時間序列預測中的數據滑窗操作實例(python實現)

更新時間：2022年03月08日 11:31:46 作者：Chace_B

滑動窗口操作非常普遍,非常有用,它們也很容易在Python中實現,下面這篇文章主要給大家介紹了關于時間序列預測中的數據滑窗操作python實現的相關資料,需要的朋友可以參考下

撰寫背景

面向數據分析的小白，水平有限，錯誤難免，歡迎指正。

什么是數據滑窗

進行機器學習時，一般都要涉及到劃分訓練集和測試集的步驟。特別地，在做數據預測時，一般把預測的依據（也就是歷史數據）稱作X，把需要預測的數據稱為y。即首先把原始數據劃分為train_X, train_y這兩個訓練數據集和test_X, test_y這兩個測試數據集。

對于時間序列數據的預測，往往是建立由好幾個歷史數據預測下一時刻的未來數據，這時候為了充分利用全部數據，應該對原始數據集進行滑窗操作，如下圖所示。

請?zhí)砑訄D片描述

這里展示的是多個特征的時間序列，其中每一行數據均屬于同一時刻。假設，我們要以H（ humidity）、PT（pressure）、PE（power）三個特征為預測依據，取當前和上三個時刻共四個時刻的已知數據對下一時刻的PE（功率）進行預測，那么對于X數據集的滑窗就應該如上圖所示，而對y數據集的滑窗應該如下圖所示。

請?zhí)砑訄D片描述

下面給出滑窗實例。

代碼實現

滑窗函數

def sliding_window(DataSet, X_width, y_width, gap = 1, multi_vector = None, X_data = True):
    '''
    DataSet has to be as a DataFrame
    '''
    if X_data:
        if multi_vector:
            a,b = DataSet.shape
        else:
            a = DataSet.shape[0]
            b = 1
        c = (a-X_width-y_width-a%gap)/gap
        X = np.reshape(DataSet.iloc[0:X_width,:].values,(1,X_width,b))
        for i in range(len(DataSet) - X_width - y_width):
            i += 1
            if i > c:
                break
            j = i * gap
            tmp = DataSet.iloc[j:j + X_width,:].values
            tmp = np.reshape(tmp,(1,X_width,b))
            X = np.concatenate([X,tmp],0)
        return X
    else:
        if multi_vector:
            print('y_data-error：expect 1D ,given %dD'%DataSet.shape[1])
            return;
        else:
            a = DataSet.shape[0]
        c = (a-X_width-y_width-a%gap)/gap
        y = np.reshape(DataSet.iloc[X_width:X_width + y_width,0].values,(1,y_width))
        for i in range(len(DataSet) - X_width - y_width):
            i += 1
            if i > c:
                break
            j = i * gap + X_width
            tmp = DataSet.iloc[j:j + y_width,:].values
            tmp = np.reshape(tmp,(1,y_width))
            y = np.concatenate([y,tmp])
        return y

單特征時間序列

單特征時間序列是指僅有一個特征的一維時間序列，如股票收盤價、風電場風速數據、日營業(yè)額等。對單特征時間序列滑窗操作如下：

#DataSet訓練數據集
#X_width使用的歷史數據長度
#y_width要預測的數據長度
#X_data是否是X數據集
train_X = sliding_window(DataSet, X_width, y_width)
train_y = sliding_window(DataSet, X_width, y_width, X_data = None)

假設訓練數據集是一個100*1的序列，使用24個數據預測未來的1個數據，那么滑窗操作就將原數據做了這樣的變換：

多特征時間序列

多特征時間序列指時間序列的特征不止一個，如上文所舉的H、PT、PE三特征序列。這種數據一般使用在待預測的數據跟多個特征相關性較高的場合中，如氣象數據嵌入的風速預測、股市數據嵌入的收盤價格預測等。進行多特征時間序列滑窗操作如下：

#DataSet訓練數據集
#X_width使用的歷史數據長度
#y_width要預測的數據長度
#multi_vector是否為多特征
#X_data是否是X數據集
train_X = sliding_window(DataSet, X_width, y_width, multi_vector = True)
test_y = sliding_window(DataSet, X_width, y_width, multi_vector = True, X_data = None)

假設訓練數據集是一個100*3的序列，使用24個數據預測未來的1個數據，那么滑窗操作就將原數據做了這樣的變換：