Mam dane z timeseries. Generowanie danych
date_rng = pd.date_range('2019-01-01', freq='s', periods=400)
df = pd.DataFrame(np.random.lognormal(.005, .5,size=(len(date_rng), 3)),
columns=['data1', 'data2', 'data3'],
index= date_rng)
s = df['data1']
Chcę utworzyć linię zygzakowatą łączącą lokalne maksima i lokalne minima, które spełniają warunek, że na osi y |highest - lowest value|
każdej linii zygzakowatej musi przekraczać procent (powiedzmy 20%) odległości poprzedniej linia zygzakowata ORAZ z góry określona wartość k (powiedzmy 1.2)
Mogę znaleźć lokalną ekstrema za pomocą tego kodu:
# Find peaks(max).
peak_indexes = signal.argrelextrema(s.values, np.greater)
peak_indexes = peak_indexes[0]
# Find valleys(min).
valley_indexes = signal.argrelextrema(s.values, np.less)
valley_indexes = valley_indexes[0]
# Merge peaks and valleys data points using pandas.
df_peaks = pd.DataFrame({'date': s.index[peak_indexes], 'zigzag_y': s[peak_indexes]})
df_valleys = pd.DataFrame({'date': s.index[valley_indexes], 'zigzag_y': s[valley_indexes]})
df_peaks_valleys = pd.concat([df_peaks, df_valleys], axis=0, ignore_index=True, sort=True)
# Sort peak and valley datapoints by date.
df_peaks_valleys = df_peaks_valleys.sort_values(by=['date'])
ale nie wiem, jak zastosować do tego warunek progowy. Proszę mi doradzić, jak zastosować taki warunek.
Ponieważ dane mogą zawierać miliony znaczników czasu, zaleca się wydajne obliczenia
Przykładowe dane wyjściowe z moich danych:
# Instantiate axes.
(fig, ax) = plt.subplots()
# Plot zigzag trendline.
ax.plot(df_peaks_valleys['date'].values, df_peaks_valleys['zigzag_y'].values,
color='red', label="Zigzag")
# Plot original line.
ax.plot(s.index, s, linestyle='dashed', color='black', label="Org. line", linewidth=1)
# Format time.
ax.xaxis_date()
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d"))
plt.gcf().autofmt_xdate() # Beautify the x-labels
plt.autoscale(tight=True)
plt.legend(loc='best')
plt.grid(True, linestyle='dashed')
Moje pożądane wyjście (coś podobnego do tego, zygzak łączy tylko znaczące segmenty)