series_periods_detect()
查找一个时序中最重要的周期。
series_periods_detect() 函数对于检测数据中的周期模式很有用，例如每日、每周或每月周期。
语法
series_periods_detect(series, min_period, max_period, num_periods)
详细了解语法约定。
参数
| 客户 | 类型 | 必需 | 说明 |
|---|---|---|---|
| series | dynamic |
✔️ | 数值的数组，通常是 make-series 或 make_list 运算符生成的输出。 |
| min_period | real |
✔️ | 要搜索的最小周期长度。 |
| max_period | real |
✔️ | 要搜索的最大周期长度。 |
| num_periods | long |
✔️ | 要返回的最大周期数。 此数字是输出动态数组的长度。 |
重要
- 该算法可检测至少包含 4 个点且最多包含序列长度一半的期间。
- 请将 min_period 设置为略低于预计在时序中找到的期间数，而将 max_period 设置为略高于该期间数。 例如，如果你有每小时聚合的信号，并且你要查找每日和每周期间（分别是 24 小时和 168 小时），则可以设置 min_period=0.8*24、max_period=1.2*168，并围绕这些期间留出 20% 的富余。
- 输入时序必须有规律。 也就是说，聚合在常量箱中（使用 make-series 创建的时序始终满足此条件）。 否则，输出就没有意义。
返回
该函数返回一个包含两列的表：
- periods：包含找到的周期的动态数组，以箱大小为单位，按其分数排序。
- scores：一个动态数组，其中包含 0 到 1 之间的值。 每个数组都会度量 periods 数组中的一个期间在其相应位置上的重要性。
示例
以下查询嵌入了一个月的应用程序流量快照。 流量每天汇总两次，这意味着箱大小为 12 小时。 查询会生成一个折线图，清楚地显示数据的模式。
print y=dynamic([80, 139, 87, 110, 68, 54, 50, 51, 53, 133, 86, 141, 97, 156, 94, 149, 95, 140, 77, 61, 50, 54, 47, 133, 72, 152, 94, 148, 105, 162, 101, 160, 87, 63, 53, 55, 54, 151, 103, 189, 108, 183, 113, 175, 113, 178, 90, 71, 62, 62, 65, 165, 109, 181, 115, 182, 121, 178, 114, 170])
| project x=range(1, array_length(y), 1), y
| render linechart
可以在同一系列上运行 series_periods_detect() 函数来识别定期模式。 该函数在指定的周期范围内搜索模式并返回两个值。 第一个值表示检测到的模式长度为 14 点，得分约为 0.84。 另一个值为零，表示未发现其他模式。
print y=dynamic([80, 139, 87, 110, 68, 54, 50, 51, 53, 133, 86, 141, 97, 156, 94, 149, 95, 140, 77, 61, 50, 54, 47, 133, 72, 152, 94, 148, 105, 162, 101, 160, 87, 63, 53, 55, 54, 151, 103, 189, 108, 183, 113, 175, 113, 178, 90, 71, 62, 62, 65, 165, 109, 181, 115, 182, 121, 178, 114, 170])
| project x=range(1, array_length(y), 1), y
| project series_periods_detect(y, 0.0, 50.0, 2)
输出
| series_periods_detect_y_periods | series_periods_detect_y_periods_scores |
|---|---|
| [14, 0] | [0.84, 0] |
series_periods_detect_y_periods_scores 中的值被截断。
注意
图表中还显示每日模式，但查询不会返回此模式，因为采样太粗糙（12 小时箱大小）。 每天 2 个箱的周期低于算法所需的最小周期大小 4 点。