标签: trend

我正在尝试测试Twitter API并找到一个国家的趋势.如何找到特定国家/地区的WOEID(地球标识符)？我试过在Google上查找但找不到列表.

如果Python中有任何程序提供的WOEID也很好.

我正在编写一个VBScript,每周发送一封包含客户活动的电子邮件.以下是一些示例数据:

a       b       c       d       e      f        g
2,780   2,667   2,785   1,031   646    2,340    2,410

由于这是电子邮件,我不想要带有趋势线的图表.我只需要一个简单的函数,返回"向上","向下"或"稳定"(虽然我怀疑它将永远是完全稳定的).

我对数学很糟糕,所以我甚至不知道从哪里开始.我已经查看了Python或Excel的一些其他问题,但是没有足够的相似性,或者我没有足够的知识将其应用于VBS.

我的目标就是这样简单:

a       b       c       d       e      f        g        trend
2,780   2,667   2,785   1,031   646    2,340    2,410    ?

如果有一些增量或百分比或其他测量值,我可以显示这将有所帮助.我也可能想忽略异常值.例如,上面的646.我们的一些客户周末不开放.

我很确定我错过了一些非常简单的东西,但仍然无法弄清楚为什么会出现这个错误.我所拥有的数据是2013年4月至2014年3月的每个月末数据.现在我想了解12个月期间的趋势.

xx <- structure(c(41.52, 41.52, 41.52, 41.68, 41.68, 41.68, 41.84, 
41.84, 41.84, 42.05, 42.05, 42.05), .Tsp = c(2013.25, 2014.16666666667, 
12), class = "ts");

是我的时间序列数据.现在我用的时候

 stl(xx,s.window ="periodic")

我收到错误:

Error in stl(xx, s.window = "periodic") : 
  series is not periodic or has less than two periods

我不知道出了什么问题,因为据我所知这个系列有12个时期.请协助

我正在使用单位根检验分析时间序列。我被困在我不明白时间序列中趋势和漂移之间的区别。说趋势是时间序列的一个特征，其平均值随时间变化，而漂移是时间序列的一个特征，其方差随时间变化，这样说是否正确？

好的,所以你有一些整数数组形式的历史数据.例如,这可以在两年的时间内表示服务器HDD上的自由空间,每个数组元素代表每日样本.

数据(此示例中的自由空间)具有下降趋势,但也具有周期性的正峰值,其中文件已被移除/压缩,等等.

您将如何确定两年期的整体趋势,即:消除数据中的高峰和低谷？

现在,我在我的学位上做了A级统计,然后是统计模块,但是从那以后我已经睡了7000多次了,好吧,它已经从我的大脑中泄漏了.

我不是在考虑一些代码,更多的描述你如何解决这个问题......

提前致谢!

在R中生成随机游走非常简单.它由以下代码完成:

x <- rnorm(100)
y <- cumsum(x)

但是如何使用趋势和/或漂移生成/模拟随机游走？

感谢用户 Eduard Ilyasov 几天前帮助我

现在我得到了一些结果，但我几乎不明白这些

我试图计算从 1979 年到 2016 年的温度趋势。

    #calculate trend
    ####numpy.ployfit
    nmon = nyr * 12
    tdum = MA.arange(0,nmon)
    ntimes, ny, nx = tempF.shape 
#ntimes is time, ny is latitude, nx is longitude 
print tempF.shape

trend = MA.zeros((ny,nx), dtype='2f')
#trend = MA.zeros((ny,nx),dtype=float)

print trend.shape

for y in range (0,ny):
    for x in range (0,nx):
        trend[y,x]= numpy.polyfit(tdum, tempF[:,y,x],1)

print trend.shape
print trend

这些是结果：

(
(456, 241, 480)
(241, 480, 2)
(241, 480, 2)
[[[ 0.00854342 -1.94362879]
  [ 0.00854342 -1.94362879] …