IPython/pandas：是否有一种规范的方法来检测时间序列中的快速变化？

Noob数据分析员，在几千个点（如此之小）的时间序列中分析一些气体浓度。我用Matplotlib绘制了它，在一些容易看到的点上，事情变化很快

了解这些要点的标准/最简单方法是什么

import pandas as pd
from numpy import diff, concatenate
ff = pd.DataFrame( #acquire data here
      columns=('Year','Recon'))
fd = diff(ff['Recon'], axis=-1)
ff['diff'] = concatenate([[0],fd],axis=0)
ff['rolling10'] = pd.rolling_mean(ff['diff'],10)
ff['rolling5'] = pd.rolling_mean(ff['diff'],5)
ff.plot('Year',['rolling5','rolling10'],subplots=False)

---

但是请注意！我的测试数据是均匀取样的。看起来

rolling.*

还不适用于不规则的时间序列，尽管有一些解决方法：

您的意思是将值与以前的值进行比较吗

diff（）

显示前几行之间的差异（如果有帮助的话）。我正在将值与时间序列中的早期值进行比较。比如把n和n-10进行比较。是的，就像Ed说的。签出diff（）。也许可以过滤较大的值来缩小您所看到的内容。还有滚动的意思，可以帮助识别更持久的尖峰，就像鲍勃说的，滚动的意思是差异，我会花一些时间研究滚动的窗口大小，同时决定我所说的“快速”是什么意思。