时间序列和相关性策略

Question

我想将各种时间序列关联起来并以 csv 文件或内存数据表 (.NET) 的形式呈现。 这些时间序列是时间值对的数组（实际上这些对象不仅仅包含时间和值）。 时间序列可能跨越不同的重叠周期，有些甚至可能存在漏洞（给定时间戳的缺失值）。

对于那些感兴趣的人，我正在使用 OPC HDA .NET 库从 OPC HDA 服务器中提取历史时间序列。

生成的数据表应该为每个时间序列有一列，所有时间序列都基于时间戳列按时间顺序排列。 请参阅下面的示例：

|-------|-------|-------|-------|-------|
   TIME    TS1     TS2     TS3     TS4
|-------|-------|-------|-------|-------|
    1       X               X       X
|-------|-------|-------|-------|-------|
    2       X       X       X       X
|-------|-------|-------|-------|-------|
    3       X       X               X
|-------|-------|-------|-------|-------|
    4       X       X       X 
|-------|-------|-------|-------|-------|
    5       X       X       X 
|-------|-------|-------|-------|-------|

实现此目标的最有效方法是什么？ “有效”是指用最少的代码。 但考虑到时间序列可能变得相当大，内存使用也可能是一个问题。

Answer 1

您可以首先扫描所有当前系列的不同值（例如，将它们聚合在 HashSet 中），然后将它们简单地转储到日期数组中（在字典中存储日期和索引位置之间的匹配项）。

var distinctDates = allSeries
  .SelectMany(s => s.Values.Select(v => v.Date))
  .Distinct()
  .OrderBy(d => d)
  .ToArray();

var datePositions = distinctDates
  .Select((d,index) => new 
    {
      Date = d,
      Index = index
    }).
  .ToDictionary(x => x.Date, x => x.Index);

然后，创建一个宽度为“NumberOfSeries”、长度为“NumberOfDates”的锯齿状数组。 之后，对所有数据进行第二次扫描并将它们转储到它们的位置。

var values = new float[allSeries.Length][];
for (var i=0;i<allSeries.Length;i++)
{
  values[i] = new float[distinctDates.Length];
  var currentSerie = allSeries[i];
  foreach(var value in currentSerie.Values)
  {
    var index = datePositions[value.Date];
    values[i][index] = value.Value;
  }      
}

我在没有接触 VisualStudio 的情况下编写了这段代码，因此可能有一些拼写错误。 或者可能使用了 .NET 中不存在的一些 LINQ 方法（只需查看 Lokad.Shared。 dll）。 但你应该能够明白这个想法。

当我谈到这个主题时，还有一些注意事项：

1. 如果您必须将所有内容同时保留在内存中，请选择锯齿状数组。 它比字典效率更高，并且比矩形数组的内存问题要少得多。

2. 使 Value 对象尽可能小（即：float 而不是 double）。

3. 如果预计时间序列值的数量将来会变大，则切勿以“每个值一行”的方式将值存储在数据库中。 建议使用 HDF （具有 .NET 接口）或使用持久时间系列数据库中二进制形式的片段（如时间序列数据库）

坚持使用这些应该可以让您扩展到数亿个时间值，不会出现很多问题（做到了）。

Answer 2

您可以使用嵌套字典之类的数据结构并迭代内容：

Dictionary <TimeSeries, Dictionary<DateTime, Value>> dict = new Dictionary<TimeSeries, Dictionary<DateTime, Value>>();

foreach (TimeSeries series in dict.Keys) {

    //table row output code goes here
    Dictionary<DateTime, Value> innerDict = dict[series];
    foreach (DateTime date in innerDict.Keys) {
        Value seriesValueAtTimeT = innerDict[date];
        //table column output code goes here
    }
}

根据您的需要，您的输出代码将写入其他内容，并且您可以将数据类型 TimeSeries、Value 等替换为您的实际数据类型。

Answer 3

嘿克里斯。 我知道您已经接受了答案，但我想我会发布我使用的解决方案。 希望它对某人有用。 如果不是的话，至少它为我提供了一个在将来某个时候找到它的地方。 :-)

这是直接从 Excel 2007 代码模块发出的 VBA 代码。 它可以很容易地转换为.Net。

数据操作的关键是数据透视表对象。 我发现它在将数据放入您指定的布局方面非常有效。

Sub GetIndexData ()
Dim cn as ADODB.Connection, cmd As ADODB.Command, rs As ADODB.Recordset
Dim rPivotTopLeft As Range, rPivotBottomRight As Range

Application.ScreenUpdating = False
Application.Calculation = xlCalculationManual

'Get the data.'
Set cn = New ADODB.Connection
With cn
  .Provider = "SQLOLEDB"
  .ConnectionString = "Database=" & mDBName & ";" & _
                      "Server=" & mDBServerName & ";" & _
                      "UID=" & mDBUserID & ";" & _
                      "Password=" & mDBPassword & ";" & _
                      "Persist Security Info=True;"
  .CursorLocation = adUseClient
  .Open
End With

Set cmd = New ADODB.Command
Set rs = New ADODB.Recordset
With cmd
  .ActiveConnection = adoTools.DBConnection
  .CommandType = adCmdText
  .CommandText = "SELECT YourData From YourSource WHERE YourCritera"
  Set rs = .Execute
End With



If Not (rs.BOF And rs.EOF) Then 'Check that we have some data.'

'Put the data into a worksheet.'
With wsRawData
  .Cells.CurrentRegion.Clear

  Set rPivotTopLeft = .Range("A1")
  With ThisWorkbook.PivotCaches.Add(SourceType:=xlExternal)
    Set .Recordset = rs
    .CreatePivotTable _
        TableDestination:=rPivotTopLeft, _
        TableName:="MyPivotTable"
  End With

  'Massage the data into the desired layout.'
  With .PivotTables("MyPivotTable")
    .ManualUpdate = True

    .PivotFields("Date").Orientation = xlRowField
    .PivotFields("Index").Orientation = xlColumnField
    .AddDataField .PivotFields("Return"), "Returns", xlSum

    .DisplayFieldCaptions = False
    .ColumnGrand = False
    .RowGrand = False

    .ManualUpdate = False
  End With

  mMonthCount = Range(.Range("A3"), .Cells(Rows.Count, "A").End(xlUp)).Count
  mIndexCount = Range(.Range("B2"), .Cells(2, Columns.Count).End(xlToLeft)).Count

  'Convert pivot table to values.'
  Set rPivotBottomRight = .Cells(mMonthCount + 2, mIndexCount + 1)
  With .Range(rPivotTopLeft, rPivotBottomRight)
    .Copy
    .PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks:=False, Transpose:=False
  End With

  'Format the worksheet.'
  .Range("A3").Resize(mMonthCount, 1).NumberFormat = "mmm-yy"
  .Range("B3").Resize(mMonthCount, mIndexCount).NumberFormat = "0.00%"
  Union(.Rows(2), .Columns(1)).Font.Bold = True
  .Cells.ColumnWidth = 7.14
  .Rows(1).Delete

End With


rs.close
Set rs = Nothing
cmd.ActiveConnection = Nothing
Set cmd = Nothing
cn.close
Set cn = Nothing

End Sub

从那里可以相对容易地利用内置的 Excel 回归统计来输出相关矩阵。 通过这种技术，我可以在大约 45 秒内生成一个包含 600x600 相关矩阵的工作表。

请注意，应更改 .PivotFields 参数以适合数据源中数据的列名称。

Answer 4

如果内存使用成为问题，您可以做的一件事是从跟踪单个事件转向给定时间段内事件的列表计数。 您会失去一些关于事情发生时间的精确性，但经常像这样总结数据可以降低图片的复杂性并使趋势更加明显。

如果它不明显，我的意思是获取如下所示的数据

12:00 event1
12:01 event2
12:10 event1
12:11 event1

：

12:00-12:15 event1 3
12:00-12:15 event2 1