使用Python进行时间序列分析

Question

所以，我有基于传感器的时间序列数据为在第二时间间隔测量的受试者，在与以Excel格式的每个时间点对应的心脏速率。 我的目标是要分析是否有随着时间的推移任何趋势。 当我将其导入到Python中，我可以看到一定的数量，但还不是时候。 但是，在Excel中导入时，我可以轻松地将其转换为时间格式。

这就是它看起来像在Python ..（第1栏=时间戳列2 =心脏速率BPM）

这是它应该是什么样子，但：

这是我试图在Python中将其转换为日期时间格式的方法：

import datetime
Time = datetime.datetime.now()
"%s:%s.%s" % (Time.minute, Time.second, str(Time.microsecond)[:2])
if isinstance(Time,datetime.datetime):
    print ("Yay!")

df3.set_index('Time', inplace=True)

如果我这样做，不是datetime64 [NS]时间被确认为float64。

因此，当我尝试绘制此时间序列时，得到以下信息：

我甚至做了迪基 - 富勒检验来分析趋势在Python与此数据集。 请问我在Python时间列的配置错误实际影响我的ADF检验？ 我假设，因为只有在“心率”列趋势与此代码分析，它不应该没关系吧？

这是我使用的代码：

#Perform Dickey-Fuller test:
    print("Results of Dickey-Fuller Test:")
    dftest=adfuller(df3 ['HeartRate'], autolag='AIC')
    dfoutput=pd.Series(dftest[0:4], index=['Test Statistic','p-value','#Lags Used','Number of Observations Used'])
    for key,value in dftest[4].items():
        dfoutput['Critical Value (%s)'%key] = value
    print(dfoutput)

test_stationarity(df3)

难道我这样做是否正确？ 我没有在工程领域的经验，我这样做是为了提高老年人医疗保健，因此任何帮助将非常感谢！

提前致谢！ :)

Answer 1

似乎excel中的dateformat表示为自1899年12月30日以来已经过去的天数。 要将时间戳列上的数字转换为秒，您只需将其乘以24 * 60 * 60 = 86400（一天中的秒数）。