Разности временного ряда. Питон

Для вычисления разности временного ряда можно использовать метод diff() в Pandas DataFrame. Этот метод вычисляет разность между текущим и предыдущим элементом. Вот пример кода, который вы можете использовать для вычисления разности временного ряда:

 data['diff'] = data['PJME_MW'].diff() 

 

Что касается графика, то вы уже правильно вычислили скользящее среднее и скользящее стандартное отклонение с помощью методов rolling().mean() и rolling().std(). Теперь вы можете просто вызвать метод plot() для отображения графика. Ваш код должен выглядеть примерно так:

 import pandas as pd  

 

data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])  

data.sort_index(inplace=True)  

data = data['2018-01':'2018-06'].resample('1D').sum()  

 

# Вычисление разности временного ряда 

data['diff'] = data['PJME_MW'].diff() 

 

# Вычисление скользящего среднего и скользящего стандартного отклонения 

data['mean'] = data['PJME_MW'].rolling(15).mean()  

data['std'] = data['PJME_MW'].rolling(15).std()  

 

# Отображение графика 

data.plot() 

 

Для вычисления разностей временного ряда в pandas можно использовать метод diff(). Этот метод вычисляет разницу между текущим и предыдущим элементом. В случае временного ряда это будет отражать изменение значения по сравнению с предыдущим периодом.
Ваш код будет выглядеть следующим образом:

 import pandas as pd  

 

data = pd.read_csv('/datasets/energy_consumption.csv', index_col=[0], parse_dates=[0])  

data.sort_index(inplace=True)  

data = data['2018-01':'2018-06'].resample('1D').sum()  

 

# добавьте вот эту строку чтобы расчитать разность  

data['PJME_MW_diff'] = data['PJME_MW'].diff()  

 

data['mean'] = data['PJME_MW'].rolling(15).mean()  

data['std'] = data['PJME_MW'].rolling(15).std()  

data.plot() 

Обратите внимание, что первое значение в столбце 'PJME_MW_diff' будет NaN, поскольку для первого элемента не существует предыдущего элемента, чтобы вычесть.