Вычислить ACF для сетки временных рядов в Python - PullRequest
Новая
       6

Вычислить ACF для сетки временных рядов в Python

0 голосов
/ 10 января 2019

Я пытаюсь вычислить ACF для сетки временных рядов, используя python. statsmodels.acf принимает только одномерные временные ряды, поэтому использование xr.apply_ufunc, например, не является жизнеспособным решением. (Обратите внимание, что здесь я использую xarray в качестве предпочтительного пакета, поскольку я имею дело с большими многомерными помеченными наборами данных)

Я подумал, что было бы проще написать ACF с нуля и векторизовать его. Обрезать statsmodels.acf до скелета, который мне нужен: 

from numpy import correlate as npc
from scipy.signal import correlate as spc

def acf(x, nlags=40):
    """
    ds : xarray DataArray with gridded time series
         e.g., dims ('time', 'lat', 'lon')
    nlags : number of lags to compute ACF out to 
    """
    avf = acovf(x)
    acf = avf[:nlags + 1] / avf[0]
    return acf

def acovf(x):
    xo = x - x.mean('time')
    n = x['time'].size
    lag_len = n - 1
    d = n * np.ones(2 * n - 1)
    acov = npc(xo, xo, 'full')[n - 1:] / d[n - 1:]
    return acov

В данный момент это разрыв на линии npc. np.correlate, а также scipy.signal.correlate прерывают с чем-то большим, чем 1-мерный временной ряд, или дают нежелательный ответ.

Наиболее прямо: Как я могу векторизовать дискретную линейную взаимную корреляцию многих временных рядов на сетке?

Используя пример: 

x = xr.DataArray(np.random.rand(10,2,3), dims=['time', 'lat', 'lon'])

Если я запускаю npc(x, x, 'full'), я получаю ошибку: 

ValueError: object too deep for desired array

Если я запускаю spc(x, x), я получаю (19, 3, 5) массив, который не содержит точного вывода. Мой вывод должен быть (N * 2-1, широта, долгота), где N - количество временных выборок.

Эта проблема, похоже, является узким местом в векторизации ACF - если я могу заставить работать взаимную корреляцию, остальные функции acf и acovf должны быть простыми для векторизации.

...