Временные функции
Ниже представленные функции используются для анализа рядов данных.
seriesOutliersDetectTukey
Выявляет выбросы в рядах данных с использованием высот Тьюки.
Синтаксис
Аргументы
series- Массив числовых значений.min_percentile- Минимальный процентиль, используемый для вычисления межквартильного размаха (IQR). Значение должно быть в диапазоне [0.02,0.98]. По умолчанию 0.25.max_percentile- Максимальный процентиль, используемый для вычисления межквартильного размаха (IQR). Значение должно быть в диапазоне [0.02,0.98]. По умолчанию 0.75.K- Ненегативное постоянное значение для выявления более слабых или более сильных выбросов. Значение по умолчанию 1.5.
Для выявления выбросов требуется минимум четыре точки данных в series.
Возвращаемое значение
- Возвращает массив такой же длины, как и входной массив, где каждое значение представляет собой оценку возможной аномалии соответствующего элемента в ряду. Ненулевое значение указывает на возможную аномалию. Array.
Примеры
Запрос:
Результат:
Запрос:
Результат:
seriesPeriodDetectFFT
Находит период данных в заданном ряду, используя FFT FFT - Быстрое преобразование Фурье
Синтаксис
Аргументы
series- Массив числовых значений
Возвращаемое значение
- Реальное значение, равное периоду ряда данных. NaN, если количество точек данных меньше четырех. Float64.
Примеры
Запрос:
Результат:
Результат:
seriesDecomposeSTL
Разлагает ряд данных с использованием STL (Процедура разложения сезонного тренда на основе Loess) на сезонный, трендовый и остаточный компоненты.
Синтаксис
Аргументы
series- Массив числовых значенийperiod- Положительное целое число
Количество точек данных в series должно быть как минимум в два раза больше значения period.
Возвращаемое значение
- Массив из четырех массивов, где первый массив содержит сезонные компоненты, второй массив - тренд, третий массив - остаточный компонент, а четвертый массив - базовый компонент (сезонный + тренд). Array.
Примеры
Запрос:
Результат: