I am new to timeseries data analysis using R. I would like to find the two maximum and one minimum values along the time series data. The lines look like waves as follow:
I would like to find the first max on the line just before the depression (let's say, around 764 on x-axis), the second max on the line after the depression, and minimum value in between these two maximum values. Here is the sample dataset.
X-axis 10:00-10:30 10:30-11:00 11:00-11:30 11:30-12:00 12:00-12:30 12:30-13:00
700.31 0.04 0.05 0.04 0.04 0.05 0.04
700.73 0.04 0.05 0.04 0.04 0.05 0.04
701.14 0.04 0.05 0.04 0.05 0.05 0.04
701.55 0.04 0.05 0.04 0.05 0.05 0.04
701.96 0.04 0.06 0.04 0.05 0.06 0.04
702.37 0.04 0.06 0.04 0.05 0.06 0.04
702.78 0.04 0.06 0.04 0.05 0.06 0.04
703.20 0.04 0.06 0.04 0.05 0.06 0.04
703.61 0.04 0.06 0.04 0.05 0.06 0.05
704.02 0.04 0.06 0.04 0.05 0.06 0.05
704.43 0.05 0.06 0.04 0.05 0.06 0.05
704.84 0.05 0.07 0.05 0.06 0.06 0.05
705.25 0.05 0.07 0.05 0.06 0.07 0.05
705.66 0.05 0.07 0.05 0.06 0.07 0.05
706.07 0.05 0.07 0.05 0.06 0.07 0.05
706.49 0.05 0.07 0.05 0.06 0.07 0.05
706.90 0.05 0.07 0.05 0.06 0.07 0.06
707.31 0.05 0.08 0.05 0.06 0.07 0.06
707.72 0.06 0.08 0.05 0.06 0.08 0.06
708.13 0.06 0.08 0.05 0.07 0.08 0.06
708.54 0.06 0.08 0.06 0.07 0.08 0.06
708.95 0.06 0.08 0.06 0.07 0.08 0.06
709.36 0.06 0.08 0.06 0.07 0.08 0.06
709.77 0.06 0.08 0.06 0.07 0.08 0.06
710.18 0.06 0.09 0.06 0.07 0.08 0.06
710.60 0.06 0.09 0.06 0.07 0.09 0.07
711.01 0.06 0.09 0.06 0.08 0.09 0.07
711.42 0.07 0.09 0.06 0.08 0.09 0.07
711.83 0.07 0.09 0.06 0.08 0.09 0.07
712.24 0.07 0.09 0.07 0.08 0.09 0.07
712.65 0.07 0.09 0.07 0.08 0.09 0.07
713.06 0.07 0.10 0.07 0.08 0.10 0.07
713.47 0.07 0.10 0.07 0.08 0.10 0.07
713.88 0.07 0.10 0.07 0.08 0.10 0.07
714.29 0.07 0.10 0.07 0.09 0.10 0.08
714.70 0.07 0.10 0.07 0.09 0.10 0.08
715.11 0.07 0.11 0.07 0.09 0.10 0.08
715.53 0.08 0.11 0.07 0.09 0.10 0.08
715.94 0.08 0.11 0.08 0.09 0.11 0.08
716.35 0.08 0.11 0.08 0.09 0.11 0.08
716.76 0.08 0.11 0.08 0.09 0.11 0.08
717.17 0.08 0.11 0.08 0.09 0.11 0.08
717.58 0.08 0.11 0.08 0.10 0.11 0.08
717.99 0.08 0.12 0.08 0.10 0.11 0.08
718.40 0.08 0.12 0.08 0.10 0.11 0.08
718.81 0.08 0.12 0.08 0.10 0.12 0.09
719.22 0.08 0.12 0.08 0.10 0.12 0.09
719.63 0.09 0.12 0.08 0.10 0.12 0.09
720.04 0.09 0.12 0.09 0.10 0.12 0.09
720.45 0.09 0.12 0.09 0.10 0.12 0.09
720.86 0.09 0.13 0.09 0.11 0.12 0.09
721.27 0.09 0.13 0.09 0.11 0.13 0.09
721.68 0.09 0.13 0.09 0.11 0.13 0.09
722.09 0.09 0.13 0.09 0.11 0.13 0.09
722.50 0.09 0.13 0.09 0.11 0.13 0.10
722.91 0.09 0.14 0.09 0.11 0.13 0.10
723.32 0.09 0.14 0.09 0.11 0.13 0.10
723.73 0.10 0.14 0.09 0.12 0.13 0.10
724.14 0.10 0.14 0.10 0.12 0.14 0.10
724.55 0.10 0.14 0.10 0.12 0.14 0.10
724.96 0.10 0.14 0.10 0.12 0.14 0.10
725.37 0.10 0.14 0.10 0.12 0.14 0.10
725.78 0.10 0.15 0.10 0.12 0.14 0.11
726.19 0.10 0.15 0.10 0.12 0.15 0.11
726.60 0.10 0.15 0.10 0.13 0.15 0.11
727.01 0.11 0.15 0.10 0.13 0.15 0.11
727.42 0.11 0.15 0.11 0.13 0.15 0.11
727.83 0.11 0.15 0.11 0.13 0.15 0.11
728.24 0.11 0.15 0.11 0.13 0.15 0.11
728.65 0.11 0.16 0.11 0.13 0.15 0.12
729.06 0.11 0.16 0.11 0.13 0.15 0.12
729.47 0.11 0.16 0.11 0.13 0.16 0.12
729.88 0.11 0.16 0.11 0.13 0.16 0.12
730.29 0.11 0.16 0.11 0.14 0.16 0.12
730.70 0.11 0.16 0.11 0.14 0.16 0.12
731.11 0.12 0.16 0.11 0.14 0.16 0.12
731.52 0.12 0.17 0.12 0.14 0.16 0.12
731.93 0.12 0.17 0.12 0.14 0.16 0.13
732.34 0.12 0.17 0.12 0.14 0.17 0.13
732.75 0.12 0.17 0.12 0.14 0.17 0.13
733.16 0.12 0.17 0.12 0.14 0.17 0.13
733.57 0.12 0.17 0.12 0.14 0.17 0.13
733.98 0.12 0.17 0.12 0.15 0.17 0.13
734.39 0.12 0.18 0.12 0.15 0.17 0.13
734.80 0.12 0.18 0.12 0.15 0.17 0.14
735.20 0.12 0.18 0.12 0.15 0.17 0.14
735.61 0.13 0.18 0.12 0.15 0.17 0.14
736.02 0.13 0.18 0.12 0.15 0.18 0.14
736.43 0.13 0.18 0.13 0.15 0.18 0.14
736.84 0.13 0.18 0.13 0.15 0.18 0.14
737.25 0.13 0.18 0.13 0.15 0.18 0.14
737.66 0.13 0.18 0.13 0.15 0.18 0.14
738.07 0.13 0.18 0.13 0.15 0.18 0.14
738.48 0.13 0.18 0.13 0.16 0.18 0.14
738.89 0.13 0.19 0.13 0.16 0.18 0.14
739.30 0.13 0.19 0.13 0.16 0.18 0.14
739.71 0.13 0.19 0.13 0.16 0.18 0.14
740.11 0.13 0.19 0.13 0.16 0.18 0.14
740.52 0.13 0.19 0.13 0.16 0.18 0.14
740.93 0.13 0.19 0.13 0.16 0.19 0.14
741.34 0.13 0.19 0.13 0.16 0.19 0.14
741.75 0.13 0.19 0.13 0.16 0.19 0.15
742.16 0.14 0.19 0.13 0.16 0.19 0.15
742.57 0.14 0.19 0.13 0.16 0.19 0.15
742.98 0.14 0.19 0.14 0.16 0.19 0.15
743.39 0.14 0.19 0.14 0.16 0.19 0.15
743.79 0.14 0.19 0.14 0.16 0.19 0.15
744.20 0.14 0.19 0.14 0.16 0.19 0.15
744.61 0.14 0.20 0.14 0.16 0.19 0.15
745.02 0.14 0.20 0.14 0.16 0.19 0.15
745.43 0.14 0.20 0.14 0.16 0.19 0.15
745.84 0.14 0.20 0.14 0.17 0.19 0.15
746.25 0.14 0.20 0.14 0.17 0.19 0.15
746.66 0.14 0.20 0.14 0.17 0.19 0.15
747.06 0.14 0.20 0.14 0.17 0.19 0.15
747.47 0.14 0.20 0.14 0.17 0.19 0.15
747.88 0.14 0.20 0.14 0.17 0.19 0.15
748.29 0.14 0.20 0.14 0.17 0.20 0.15
748.70 0.14 0.20 0.14 0.17 0.20 0.15
749.11 0.14 0.20 0.14 0.17 0.20 0.15
749.52 0.14 0.20 0.14 0.17 0.20 0.15
749.92 0.14 0.20 0.14 0.17 0.20 0.15
750.33 0.14 0.20 0.14 0.17 0.20 0.16
750.74 0.14 0.20 0.14 0.17 0.20 0.16
751.15 0.14 0.20 0.14 0.17 0.20 0.16
751.56 0.14 0.20 0.14 0.17 0.20 0.16
751.96 0.14 0.20 0.14 0.17 0.20 0.16
752.37 0.14 0.20 0.14 0.17 0.20 0.16
752.78 0.14 0.20 0.14 0.17 0.20 0.15
753.19 0.14 0.20 0.14 0.17 0.20 0.15
753.60 0.14 0.20 0.14 0.17 0.20 0.15
754.01 0.14 0.21 0.14 0.17 0.20 0.16
754.41 0.14 0.21 0.14 0.17 0.20 0.16
754.82 0.14 0.21 0.14 0.17 0.20 0.16
755.23 0.14 0.21 0.14 0.17 0.20 0.16
755.64 0.15 0.21 0.14 0.17 0.20 0.16
756.05 0.15 0.21 0.14 0.17 0.20 0.16
756.45 0.15 0.21 0.14 0.17 0.20 0.16
756.86 0.15 0.21 0.14 0.17 0.20 0.16
757.27 0.15 0.21 0.15 0.17 0.20 0.16
757.68 0.15 0.21 0.14 0.17 0.20 0.16
758.09 0.15 0.21 0.14 0.17 0.20 0.16
758.49 0.15 0.21 0.14 0.17 0.20 0.16
758.90 0.15 0.21 0.14 0.17 0.20 0.16
759.31 0.15 0.21 0.15 0.17 0.20 0.16
759.72 0.14 0.21 0.15 0.17 0.20 0.16
760.12 0.14 0.21 0.14 0.17 0.20 0.16
760.53 0.14 0.20 0.14 0.17 0.20 0.15
760.94 0.14 0.20 0.14 0.17 0.20 0.16
761.35 0.14 0.20 0.14 0.17 0.20 0.16
761.75 0.14 0.19 0.14 0.17 0.20 0.16
762.16 0.14 0.19 0.14 0.17 0.20 0.16
762.57 0.14 0.19 0.14 0.17 0.20 0.16
762.98 0.14 0.19 0.14 0.17 0.20 0.16
763.38 0.14 0.19 0.14 0.17 0.20 0.16
763.79 0.14 0.19 0.14 0.17 0.20 0.15
764.20 0.14 0.20 0.14 0.17 0.20 0.15
764.61 0.14 0.20 0.14 0.17 0.20 0.15
765.01 0.14 0.20 0.14 0.17 0.20 0.16
765.42 0.14 0.20 0.14 0.17 0.20 0.16
765.83 0.14 0.20 0.14 0.17 0.20 0.15
766.24 0.14 0.20 0.14 0.17 0.20 0.15
766.64 0.14 0.21 0.15 0.18 0.21 0.16
767.05 0.15 0.21 0.15 0.18 0.21 0.16
767.46 0.15 0.21 0.15 0.18 0.21 0.16
767.86 0.15 0.21 0.15 0.18 0.21 0.16
768.27 0.15 0.21 0.15 0.18 0.21 0.16
768.68 0.15 0.21 0.15 0.18 0.21 0.16
769.09 0.15 0.21 0.15 0.18 0.21 0.16
769.49 0.15 0.21 0.15 0.18 0.21 0.16
769.90 0.15 0.21 0.15 0.18 0.21 0.16
770.31 0.15 0.21 0.15 0.18 0.21 0.16
770.71 0.15 0.21 0.15 0.18 0.21 0.17
771.12 0.15 0.21 0.15 0.18 0.21 0.17
771.53 0.15 0.21 0.15 0.18 0.21 0.16
771.93 0.15 0.21 0.15 0.18 0.21 0.16
772.34 0.15 0.21 0.15 0.18 0.21 0.16
772.75 0.15 0.21 0.15 0.18 0.21 0.16
773.15 0.15 0.21 0.15 0.18 0.21 0.16
773.56 0.15 0.21 0.15 0.18 0.21 0.16
773.97 0.15 0.21 0.15 0.18 0.21 0.16
774.37 0.15 0.21 0.15 0.18 0.21 0.16
774.78 0.15 0.21 0.15 0.18 0.21 0.16
775.19 0.15 0.21 0.15 0.18 0.21 0.16
775.59 0.15 0.21 0.15 0.18 0.21 0.16
776.00 0.15 0.21 0.15 0.18 0.21 0.16
776.41 0.15 0.21 0.15 0.18 0.21 0.16
776.81 0.15 0.21 0.15 0.18 0.21 0.16
777.22 0.15 0.22 0.15 0.18 0.21 0.16
777.63 0.15 0.22 0.15 0.18 0.21 0.16
778.03 0.15 0.22 0.15 0.18 0.21 0.16
778.44 0.15 0.22 0.15 0.18 0.21 0.16
778.85 0.15 0.21 0.15 0.18 0.21 0.16
779.25 0.15 0.21 0.15 0.18 0.21 0.16
779.66 0.15 0.21 0.15 0.18 0.21 0.16
780.06 0.15 0.21 0.15 0.18 0.21 0.16
780.47 0.15 0.21 0.15 0.18 0.21 0.16
780.88 0.15 0.21 0.15 0.18 0.21 0.16
781.28 0.15 0.21 0.15 0.18 0.21 0.16
781.69 0.15 0.21 0.15 0.18 0.21 0.16
782.09 0.15 0.22 0.15 0.18 0.21 0.16
782.50 0.15 0.22 0.15 0.18 0.21 0.16
782.91 0.15 0.22 0.15 0.18 0.21 0.16
783.31 0.15 0.21 0.15 0.18 0.21 0.16
783.72 0.15 0.22 0.15 0.18 0.21 0.16
784.12 0.15 0.21 0.15 0.18 0.21 0.16
784.53 0.15 0.22 0.15 0.18 0.21 0.16
784.94 0.15 0.22 0.15 0.18 0.21 0.16
785.34 0.15 0.22 0.15 0.18 0.21 0.16
785.75 0.15 0.22 0.15 0.18 0.21 0.16
786.15 0.15 0.22 0.15 0.18 0.21 0.17
786.56 0.15 0.22 0.15 0.18 0.21 0.17
786.97 0.15 0.22 0.15 0.18 0.21 0.16
787.37 0.15 0.22 0.15 0.18 0.21 0.16
787.78 0.15 0.22 0.15 0.18 0.21 0.17
788.18 0.15 0.22 0.15 0.18 0.21 0.17
788.59 0.15 0.22 0.15 0.18 0.21 0.17
788.99 0.15 0.22 0.15 0.18 0.21 0.17
789.40 0.15 0.22 0.15 0.18 0.21 0.17
789.80 0.15 0.22 0.15 0.18 0.21 0.17
790.21 0.15 0.22 0.15 0.18 0.21 0.17
790.62 0.15 0.22 0.15 0.18 0.21 0.16
791.02 0.15 0.22 0.15 0.18 0.21 0.17
791.43 0.15 0.22 0.15 0.18 0.21 0.17
791.83 0.15 0.22 0.15 0.18 0.21 0.17
792.24 0.15 0.22 0.15 0.18 0.21 0.17
792.64 0.15 0.22 0.15 0.18 0.21 0.17
793.05 0.15 0.22 0.15 0.18 0.21 0.17
793.45 0.15 0.22 0.15 0.18 0.21 0.17
793.86 0.15 0.22 0.15 0.18 0.21 0.17
794.26 0.15 0.22 0.15 0.18 0.21 0.17
794.67 0.15 0.22 0.15 0.18 0.21 0.17
795.07 0.15 0.22 0.15 0.18 0.21 0.17
795.48 0.15 0.22 0.15 0.18 0.21 0.17
795.88 0.15 0.22 0.15 0.18 0.21 0.16
796.29 0.15 0.22 0.15 0.18 0.21 0.16
796.69 0.15 0.22 0.15 0.18 0.21 0.17
797.10 0.15 0.22 0.15 0.18 0.21 0.17
797.50 0.15 0.22 0.15 0.18 0.21 0.17
797.91 0.15 0.22 0.15 0.18 0.21 0.17
798.31 0.15 0.22 0.15 0.18 0.21 0.17
798.72 0.15 0.22 0.15 0.18 0.21 0.17
799.12 0.15 0.22 0.15 0.18 0.21 0.17
799.53 0.15 0.22 0.15 0.18 0.21 0.16
799.93 0.15 0.22 0.15 0.18 0.21 0.17
I'm not sure this function works for your data, and also, I think the data you provide has not enough time points, so I made dummy data to this example.
Please let me know if I misunderstand your purpose.
By using findPeaks
and findValleys
from library(quantmod)
,
dummy <- data.frame(
x = seq(from = -pi/4, to = 9/4*pi, length.out = 1000)
) %>% as_tibble %>%
mutate(y = cos(x))
plot(dummy$x, dummy$y, type="l")
points(dummy$x[findPeaks(dummy$y)], dummy$y[findPeaks(dummy$y)], col = "red", cex = 2, pch = 19)
points(dummy$x[findValleys(dummy$y)], dummy$y[findValleys(dummy$y)], col = "blue", cex = 2, pch = 19)
I think this graph is similar with your situation. Red dot will first and second max and blue dot will minimum. In your case, you might need to apply these function to some restricted intervals. Take a look at findPeaks function documentation for information about functions.
findPeaks(dummy$y)
[1] 102 901
findValleys(dummy$y)
[1] 501 502
The technical post webpages of this site follow the CC BY-SA 4.0 protocol. If you need to reprint, please indicate the site URL or the original address.Any question please contact:yoyou2525@163.com.