我正在寻找一个对时间序列执行变化点分析的 Python 模块。有许多不同的算法，我想探索其中一些算法的功效，而不必手动滚动每种算法。
理想情况下，我想要一些模块，例如 R 中的bcp（贝叶斯变化点）或strucchange包。我希望在 Scipy 中找到一些，但我无法找到任何东西。
我很惊讶没有任何设施：
Python中是否有任何具有变化点检测算法的模块？
你可以在 PyPI 上试用changefinder库。描述说它是一个基于 ChangeFinder 算法的在线变更检测库
在这个Github repo上，还有一些 Michele Basseville 的统计变化点检测技术的 Python 实现，以教程格式提供。
Python 库在使用高级统计包方面仍有一些差距。您是否尝试过使用 RPy 模块？使用 RPy 时，您可以加载 R 模块。
RPy 简要教程：http ://www.sciprogblog.com/2012/08/using-r-from-within-python.html strucchange
我刚刚在 Python 中遇到了一个名为“ruptures”的变化点检测库：https ://arxiv.org/abs/1801.00826
也许这可能有用。
Python 包 rpy2 的这个实现对我有用：
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验均值和后验概率。有关此示例的更多详细信息，请参阅 R 中的 bcp 函数示例。
此外，使用数字（即 values[5]）的硬索引值并不理想，但我在使用 rx 和 rx2 提取器时遇到了困难。因此，如果有人能告诉我一种不那么骇人听闻的提取方法，我很想知道！