如何创建具有季节性和趋势的合成时间序列数据集？
How to create synthetic Timeseries Datasets having Seasonality & Trend?
我需要创建一些虚构的时间序列数据集，从特定的开始日期到结束日期的间隔为 15 分钟。
这些需要有一些 seasonality/noise 和趋势，这样它们看起来像下面这样：
我最终需要以数据框的形式（使用 X 和 Y 值）将其导出到 excel 文件中。
有人可以帮忙吗？
我会说算术是最适合你的解决方案。您可以使用一些随机变量、正弦曲线……来获得您想要的结果。
例如我们可以这样：
x = np.linspace(0, 50, 200)
y = np.sin(x) + np.random.rand(len(x))*noise_strength
y[100:] += x[:100]/2 + y[100]
或者这个：
x = np.linspace(0, 50, 200)
y = np.sin(x) + np.random.rand(len(x))*noise_strength + x/5
y[:100] -= 5
我需要创建一些虚构的时间序列数据集，从特定的开始日期到结束日期的间隔为 15 分钟。
这些需要有一些 seasonality/noise 和趋势，这样它们看起来像下面这样：
我最终需要以数据框的形式（使用 X 和 Y 值）将其导出到 excel 文件中。
有人可以帮忙吗？
我会说算术是最适合你的解决方案。您可以使用一些随机变量、正弦曲线……来获得您想要的结果。
例如我们可以这样：
x = np.linspace(0, 50, 200)
y = np.sin(x) + np.random.rand(len(x))*noise_strength
y[100:] += x[:100]/2 + y[100]
或者这个：
x = np.linspace(0, 50, 200)
y = np.sin(x) + np.random.rand(len(x))*noise_strength + x/5
y[:100] -= 5