時間序列分析 - 基礎知識與分析場景(Time series analysis)

在所有的可視化儀表板中,和時間相關的圖表是最常見的。除了最基本的折線圖外烛谊,我們還有很多方式來呈現(xiàn)和分析時間序列的數(shù)據(jù)逐样。

時間序列的模式(Time series patterns)

在開始探查分析前,我們需要先確定時間序列的模式炼列。

常見的模式有:

  • 趨勢性(Trend):數(shù)據(jù)隨時間變化的呈整體上升或下降的趨勢。
  • 季節(jié)性(Seasonal):數(shù)據(jù)在每年的特定季度、月份刃跛、周、日的數(shù)據(jù)波動苛萎。
  • 周期性(Cyclic)數(shù)據(jù)存在不固定頻率的上升和下降時桨昙,表示該序列有周期性,通常與商業(yè)活動有關腌歉。

很多時候時間序列會同時包含趨勢蛙酪、季節(jié)以及周期性。

image.png

美國新建房屋銷售額表現(xiàn)出強烈的年度季節(jié)性翘盖,以及周期為6~10年的周期性桂塞。同時數(shù)據(jù)并沒有表現(xiàn)出明顯的趨勢性。

image.png

柏林的游客數(shù)據(jù)同時包含了趨勢性季節(jié)性馍驯,即總的游客數(shù)量是穩(wěn)步上升的阁危,同時又有明顯的季節(jié)性。

image.png

為了更清楚的看到季節(jié)性的分布汰瘫,我們可以將多年的數(shù)據(jù)對齊到以月的方式查看欲芹。

時間的粒度/級別

不借助外部儀器,人類的極限反應速度可以到100毫秒吟吝。在科學分析場景菱父,如物理學,時間精度可以更高剑逃。在商業(yè)分析場景浙宜,一般拿到的數(shù)據(jù)粒度會以:年、季度蛹磺、月粟瞬、周、日萤捆、小時 居多裙品。細粒度的時間可以向上聚合到粗粒度的俗批,比如:拿到的是去年每一天的銷售額數(shù)據(jù),但作為年度的總結市怎,只要看每個月的銷售額即可岁忘。

時間的連續(xù)與離散

連續(xù)的時間:

等間距,一個接一個的区匠。如3月1日干像、3月2日、3月3日麻汰、一直到 3月15日每天的數(shù)據(jù)戚篙。如果缺了某幾天的數(shù)據(jù),在時間軸上仍然會保留對應的位置位喂。

image.png

離散/序數(shù)的時間:

假設我們想看一周中每天的銷售表現(xiàn)忆某,這時可以從連續(xù)的時間中弃舒,提取出離散的周幾時間來進行分析状原。

image.png

在具體分析時颠区,我們一般還會區(qū)分下工作日與周末毕莱,并分別看平均值。

image.png

帶著問題去分析

當前相比過去的變化

總結過去,展望未來部服。我們總是希望知道當前相比過去的變化。

image.png

以各個地區(qū)在過去幾年銷售額的變化為例奉芦,我們可以看到6個地區(qū)詳細到每個月的銷售額數(shù)據(jù),但當我們想知道相比過去是否有增長或哪個地區(qū)的增長最快時烦却,就沒法看清了减噪。

image.png

這個時候车吹,可以通過斜率圖(slopegraphs)來更好的分析與呈現(xiàn),具體做法是只保留頭尾時間的數(shù)據(jù)朝卒,然后用折線圖來呈現(xiàn)抗斤,為了更容易發(fā)現(xiàn)上升下降丈咐,還可以用顏色來區(qū)分棵逊。

某個時間點前后的比較

從假設分析(What-If Analysis)的角度辆影,我們會關心如果在某個時間點做了某個行動所帶來的收益。

以買房為例锯蛀,我們會關心如果我在某個時間點買了房旁涤,那么截止到當前的漲幅變化迫像,以及相比更早的時間的變化侵蒙。

image.png

image.png

這個是紐約的房價變化圖造虎,如果在2012年買入,那么到了2017時纷闺,會有21%的漲幅份蝴。而如果是在2006年的高點購入,則只有6%的漲幅氓轰。在做這樣的假設分析時,我們一般會允許用戶指定時間參數(shù)署鸡,以更靈活的分析前后的變化案糙。

如何查看排名變化

相比過程本身,人們更容易關注結果靴庆。

image.png
image.png

假設我們有不同類別的商品在銷售,每年的銷售額穩(wěn)步上升炉抒,除了關心具體的收入外奢讨,我們還想知道各個類別的排名變化焰薄。如果通過顏色來細分各個類別的銷售額拿诸,雖然也可以看出一些排名變化塞茅,但還是會不直觀。

image.png

image.png

這時我們可以先計算每年的銷售額排名啊掏,然后用排名變化圖(Bump Chart)來呈現(xiàn)。相比銷售額隨時間的大幅波動衰猛,排名變化圖可以讓你更好的聚焦于關心的點娜睛。

不同事件的增長速度

以玩具總動員三部曲為例,這3部電影發(fā)行于不同的年份卦睹,也都獲得了很高的收入畦戒。

image.png

如果只看累計的票房收入,我們可以知道第二部的表現(xiàn)最好结序。但如果我們想知道這幾部電影從首映日開始的增長變化或火爆程度就沒法看出了障斋。

image.png

從這個圖上我們可以按周看發(fā)生在不同年份的,三部曲的每周票房收入。

image.png

更好的方式把時間對齊到一個公共基準點來查看分析垃环,而不是查看一段絕對時間范圍的數(shù)據(jù)邀层。按星期看自首映日開始的總收入,就更容易比較增長曲線了遂庄。

如何分析事件的持續(xù)時間

在項目管理的場景寥院,一個項目會拆分為多個可以并行或有前后依賴關系的任務。

image.png

為了查看總的用時涛目,以及同時進行的任務秸谢,我們可以用甘特圖(Gantt charts)來呈現(xiàn)和分析。這兒的205天是整個項目的用時霹肝。如果要算人天成本估蹄,可以把這兒的每個任務的用時加起來,即投入了4個人阿迈,總的人天是:292元媚。

?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末轧叽,一起剝皮案震驚了整個濱河市苗沧,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌炭晒,老刑警劉巖待逞,帶你破解...
    沈念sama閱讀 216,470評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異网严,居然都是意外死亡识樱,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評論 3 392
  • 文/潘曉璐 我一進店門震束,熙熙樓的掌柜王于貴愁眉苦臉地迎上來怜庸,“玉大人,你說我怎么就攤上這事垢村「罴玻” “怎么了?”我有些...
    開封第一講書人閱讀 162,577評論 0 353
  • 文/不壞的土叔 我叫張陵嘉栓,是天一觀的道長宏榕。 經(jīng)常有香客問我,道長侵佃,這世上最難降的妖魔是什么麻昼? 我笑而不...
    開封第一講書人閱讀 58,176評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮馋辈,結果婚禮上抚芦,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好叉抡,可當我...
    茶點故事閱讀 67,189評論 6 388
  • 文/花漫 我一把揭開白布枢劝。 她就那樣靜靜地躺著,像睡著了一般卜壕。 火紅的嫁衣襯著肌膚如雪您旁。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,155評論 1 299
  • 那天轴捎,我揣著相機與錄音鹤盒,去河邊找鬼。 笑死侦副,一個胖子當著我的面吹牛侦锯,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播秦驯,決...
    沈念sama閱讀 40,041評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼尺碰,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了译隘?” 一聲冷哼從身側響起亲桥,我...
    開封第一講書人閱讀 38,903評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎固耘,沒想到半個月后题篷,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,319評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡厅目,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,539評論 2 332
  • 正文 我和宋清朗相戀三年番枚,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片损敷。...
    茶點故事閱讀 39,703評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡葫笼,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出拗馒,到底是詐尸還是另有隱情路星,我是刑警寧澤,帶...
    沈念sama閱讀 35,417評論 5 343
  • 正文 年R本政府宣布瘟忱,位于F島的核電站奥额,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏访诱。R本人自食惡果不足惜垫挨,卻給世界環(huán)境...
    茶點故事閱讀 41,013評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望触菜。 院中可真熱鬧九榔,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至切威,卻和暖如春育特,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背先朦。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評論 1 269
  • 我被黑心中介騙來泰國打工缰冤, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人喳魏。 一個月前我還...
    沈念sama閱讀 47,711評論 2 368
  • 正文 我出身青樓棉浸,卻偏偏與公主長得像,于是被迫代替她去往敵國和親刺彩。 傳聞我的和親對象是個殘疾皇子迷郑,可洞房花燭夜當晚...
    茶點故事閱讀 44,601評論 2 353