安裝hivemall
啟動hive和匯入相關 jar$ git clone
$ cd incubator-hivemall
$ bin/build.sh
建立外部表及設定外部資料存放位置add jar /home/hadoop/incubator-hivemall/target/hivemall-core
-0.4
.2-rc
.2-with
-dependencies
.jar;
source /home/hadoop/incubator-hivemall/resources/ddl/define-all.hive;
create
database
twitter;
usetwitter;
源資料格式create
external
table timeseries (
num int,
value
double
) row format delimited
fields terminated by
'#'stored as textfile
location '/dataset/twitter/timeseries';
匯入資料格式182.478
176.231
183.917
177.798
165.469
181.878
184.502
183.303
177.578
171.641
資料上傳hdfs1
#182.478
2#176.231
3#183.917
4#177.798
5#165.469
6#181.878
7#184.502
8#183.303
9#177.578
10#171.641
hadoop fs -put twitter.t /dataset/twitter/timeseries
使用sst
結果示例:select
num,
sst(value, "-threshold 0.005") as result
from
timeseries
order
by num asc;
outlier and change-point detection using changefinder7551
7552
7553
7554
7555
7556
7557
7558
7559
7560
結果示例:select
num,
changefinder(value, "-outlier_threshold 0.03 -changepoint_threshold 0.0035") as result
from
timeseries
order
by num asc;
16
1718
1920
21
篩選出 is_outlier=true日期 平台 平台訪問次數 序號 outlier_score changepoint_score is_outlier is_changepoint
2016/9/13 weixin 163770
820.517939405
0.002799403
true
false
2016/8/13 weixin 163770
2060.971553367
0.002563691
true
false
2016/7/13 weixin 163770
3290.978151518
0.002569553
true
false
2016/6/12 weixin 163770
4530.893766225
0.005063597
true
true
2016/5/12 weixin 163770
5790.846256467
0.183253975
true
true
2016/4/11 weixin 163770
7041.125480999
2.552122451
true
true
2016/3/11 weixin 163770
8280.799214319
1.437753369
true
true
2016/2/9 weixin 163770
9490.768004277
2.03710669
true
true
2016/1/9 weixin 163770
1075
1.019095702
3.674865513
true
true
2015/12/9 weixin 163770
1197
0.726433576
1.354028448
true
true
2015/11/8 weixin 163770
1321
0.740644184
2.317692273
true
true
2015/10/8 weixin 163770
1447
0.961904857
3.609401953
true
true
2015/9/7 weixin 163770
1572
0.917379836
2.44891755
true
true
挑選出weixin平台,發現2016和2015部分資料的平台訪問次數相同
檢視原始16年和15年順豐資料
2016/01、2016/03、2016/05、2016/07、2016/08、2015/10、2015/12資料大小相等。
初步斷定資料重複
通過對其下子檔案大小比較,基本斷定上述日期資料為同乙個資料
himall官方手冊:
時間序列資料
出生 gdp溫度 時間要素 年 季度 月 周 日 數值要素 長期變動趨勢 相當長的一段時間,受長期趨勢影響 持續上公升 下降 不規則變動 隨機擾動項 含白噪音 迴圈變動 市場經濟的商業週期 或者整個國家的經濟週期 1 資料具有週期性才能使用時間序列分解,例如資料是月份資料,季度資料,如果是年份資料則...
pandas之時間序列
pandas中提供了許多用來處理時間格式文字的方法,包括按不同方法生成乙個時間序列,修改時間的格式,重取樣等等。in 7 import pandas as pd 按起始和終止日期以及步長生成時間序列 in 8 pd.date range start 20171212 end 20180101 fre...
Python處理時間序列資料
初償用python處理時間序列的資料,碰到一些坑。以此文記錄一下,希望後來者可以少走彎路。背景說明 我是用乙個已有的csv資料表作為原材料進行處理的。目的 實現時間序列的視覺化,及週期性的視覺化。1 碰到的第乙個坑是,匯入到時間資料,預設的是字串的資料型別。因此,在視覺化的時候,會出現沒有按時間先後...