change df variable into dfwindow Fungsi Z-score def zscore(s, window, thresh=1,…
- User
change df variable into df_window
Fungsi Z-score
def zscore(s, window, thresh=1, return_all=False): # Menghitung nilai rata-rata bergerak (rolling mean) roll = s.rolling(window=window, min_periods=1, center=True) avg = roll.mean() # Menghitung nilai standar deviasi bergerak (rolling std) std = roll.std(ddof=0) # Menghitung nilai Z-score untuk setiap elemen z = s.sub(avg).div(std) # Menentukan elemen mana yang berada di dalam batas threshold (thresh) m = z.between(-thresh, thresh)
# Jika return_all adalah True, kembalikan semua variabel if return_all: return z, avg, std, m # Jika tidak, hanya kembalikan data yang berada dalam batas dengan nilai rata-rata return s.where(m, avg)for i in range(0, 1000, 100): # Menerapkan Deteksi Z-score df = df_['REFGPS'].tail(1000).iloc[i:i+100] z, avg, std, m = zscore(df, window=10, return_all=True)
# Membuat plot deret waktu dengan outlier plt.figure(figsize=(10, 6)) # Menampilkan data asli dengan transparansi df['REFGPS'].plot(label='data', alpha=0.6) # Menampilkan rata-rata bergerak (rolling mean) avg.plot(label='mean', color='orange') # Menampilkan outlier dengan penanda khusus df.loc[~m, 'REFGPS'].plot(label='outliers', marker='o', ls='', color='green') # Menampilkan penggantian nilai untuk outlier avg[~m].plot(label='replacement', marker='o', ls='', color='red') # Menambahkan legenda untuk membedakan elemen-elemen yang ditampilkan plt.legend() # Menambahkan judul pada grafik plt.title(f"REFGPS Data with Outliers and Rolling Mean {i} to {i+100}") plt.show()print('-')
- Assistant
To change the variable
dftodf_windowin your code, you'll need to make sure that all occurrences ofdfthat are intended to be replaced are updated accordingly. Here is your updated code withdf_window:# Fungsi Z-score def zscore(s, window, thresh=1, return_all=False): # Menghitung nilai rata-rata bergerak (rolling mean) roll = s.rolling(window=window, min_periods=1, center=True) avg = roll.mean() # Menghitung nilai standar deviasi bergerak (rolling std) std = roll.std(ddof=0) # Menghitung nilai Z-score untuk setiap elemen z = s.sub(avg).div(std) # Menentukan elemen mana yang berada di dalam batas threshold (thresh) m = z.between(-thresh, thresh) # Jika return_all adalah True, kembalikan semua variabel if return_all: return z, avg, std, m # Jika tidak, hanya kembalikan data yang berada dalam batas dengan nilai rata-rata return s.where(m, avg) for i in range(0, 1000, 100): # Menerapkan Deteksi Z-score df_window = df_['REFGPS'].tail(1000).iloc[i:i+100] z, avg, std, m = zscore(df_window, window=10, return_all=True) # Membuat plot deret waktu dengan outlier plt.figure(figsize=(10, 6)) # Menampilkan data asli dengan transparansi df_window['REFGPS'].plot(label='data', alpha=0.6) # Menampilkan rata-rata bergerak (rolling mean) avg.plot(label='mean', color='orange') # Menampilkan outlier dengan penanda khusus df_window.loc[~m, 'REFGPS'].plot(label='outliers', marker='o', ls='', color='green') # Menampilkan penggantian nilai untuk outlier avg[~m].plot(label='replacement', marker='o', ls='', color='red') # Menambahkan legenda untuk membedakan elemen-elemen yang ditampilkan plt.legend() # Menambahkan judul pada grafik plt.title(f"REFGPS Data with Outliers and Rolling Mean {i} to {i+100}") plt.show() print('-')This updated code replaces all instances of
dfwithdf_window, making sure your variable naming is consistent with your intentions. Ifdfappears elsewhere in your script (outside of what you've shared here) and also needs renaming, be sure to replace those too.