用于更改点分析的Python模块

我正在寻找一个在时间序列上执行变更点分析的Python模块。有很多不同的算法，我想探索其中一些算法的有效性，而不必手动滚动每种算法。

理想情况下，我需要R中的一些模块，例如bcp（贝叶斯变更点）或strucchange软件包。我希望在Scipy中找到一些模块，但是我无法打开任何东西。

我很惊讶其中没有任何设施：

• statsmodels.tsa：时间序列统计分析工具
• scikits.timeseries：扩展scipy的时间序列分析工具
• scipy.signal：scipy中的信号处理工具

Python中是否有带有变更点检测算法的模块？

您可以在PyPI上试用changefinder库。描述说这是一个基于ChangeFinder算法的在线变更检测库

在此 Github 存储库上，还以教程格式提供了Michele Basseville统计更改点检测技术的一些Python实现。

Python库在使用高级统计信息包方面仍然存在一些差距。您是否尝试过使用RPy模块？使用RPy时，您可以加载R模块。

有关RPy的简短教程：http : //www.sciprogblog.com/2012/08/using-r-from-within-python.html strucchange

Python包rpy2的此实现对我有用：

import numpy as np
from rpy2.robjects.packages import importr
import rpy2.robjects as robjects

r = robjects.r #allows access to r object with r.

bcp = importr('bcp') #import bayesian change point package in python

values = bcp.bcp( r.c( r.rnorm(50) , r.rnorm(50,5,1), r.rnorm(50) ) ) #use bcp function on vector

posterior_means = np.array(values[5]).flatten()
posterior_probability = np.array(values[7]).flatten()

然后，您可以针对原始向量绘制后均值和后验概率。有关此示例的更多详细信息，请参见R中的bcp函数示例。

另外，用数字（即values [5]）对索引值进行硬索引也不理想，但是我在使用rx和rx2提取器时遇到了困难。因此，如果有人可以通过一种不太古怪的提取方法来启发我，我很想知道！

我刚刚在Python中遇到了一个名为“ ruptures”的变更点检测库：https : //arxiv.org/abs/1801.00826

也许这是有用的。

您是否尝试过ChangeFinder库，可以通过以下方式在Linux上安装它：

pip install changefinder

也可以在这里找到Bayesian_changepoint_detection GitHub代码：GitHub Code