Python中如何检测分类时间序列的季节性（固定间隔重复子序列）

给定待检测的分类状态序列如下：

states_list = ['H', 'M', 'M', 'M', 'H', 'H', 'H', 'H', 'C', 'C', 'H', 'H', 'C', 'C', 'H', 'A', 'A', 'A', 'A', 'A', 'S', 'S', 'S', 'A', 'S', 'H', 'H', 'H', 'H', 'H', 'H', 'H', 'H', 'H', 'H', 'C', 'H', 'H', 'H', 'H', 'H', 'S', 'H', 'S', 'S', 'S', 'H', 'H', 'H', 'H', 'H', 'H', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'H', 'H', 'H', 'H', 'H', 'C', 'C', 'C', 'A', 'C', 'C', 'A', 'A', 'A', 'A', 'A', 'H', 'H', 'H', 'H', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C', 'C']

检测目标为判断序列中是否存在特定字符子序列，每隔固定长度n周期性重复出现，以下是可落地的实现方案：

方案1：分块匹配法（易实现，适合短序列） #

这是最直观的暴力匹配方案，逻辑简单易调试，适合长度在万级以内的序列。

• 实现逻辑：
  • 划定候选周期范围：最小周期取2，最大周期不超过序列长度的1/3（保证子序列至少能重复出现3次，避免偶然匹配）
  • 对每个候选周期n，将原序列按长度n切分为连续等长块，丢弃末尾长度不足n的残段
  • 逐位置对比所有块和首个基准块的字符一致性，计算整体匹配率
  • 若匹配率超过预设阈值（通常取0.7~0.9，按噪声容忍度调整），提取各位置出现频率最高的字符组成公共子序列，即可判定存在周期为n的季节性特征
• 参考实现代码：

from collections import Counter

def detect_seasonal_blockmatch(states, min_match_rate=0.8, min_cycle=2, min_repeat=3):
    seq_len = len(states)
    max_cycle = seq_len // min_repeat
    detect_result = []
    for cycle in range(min_cycle, max_cycle + 1):
        # 切分等长块
        blocks = [states[i:i+cycle] for i in range(0, seq_len, cycle) if i + cycle <= seq_len]
        if len(blocks) < min_repeat:
            continue
        # 计算逐位置匹配率
        match_cnt = 0
        total_compare = cycle * (len(blocks) - 1)
        for pos in range(cycle):
            base = blocks[0][pos]
            for blk in blocks[1:]:
                if blk[pos] == base:
                    match_cnt += 1
        match_rate = match_cnt / total_compare
        if match_rate >= min_match_rate:
            # 提取周期对应的公共重复子序列
            common_subseq = ''.join([
                Counter(blk[pos] for blk in blocks).most_common(1)[0][0]
                for pos in range(cycle)
            ])
            detect_result.append( (cycle, round(match_rate,3), common_subseq) )
    return detect_result

# 测试
print(detect_seasonal_blockmatch(states_list))

方案2：子序列哈希统计法（可定位任意重复子序列） #

分块匹配只能检测从序列起始位置对齐的周期，哈希法可以检测任意位置起始的重复子序列，不会漏检错位的周期模式。

• 实现逻辑：
  • 划定待检测子序列的长度范围，比如最短2个字符、最长不超过序列长度1/4
  • 滑动窗口遍历序列，提取所有固定长度的子序列，用字典存储每个子序列对应的所有起始索引
  • 对出现次数≥3的子序列，计算相邻两次出现的位置间隔
  • 若某子序列的相邻间隔90%以上都等于同一个固定值n，即可判定该子序列以n为周期重复，存在季节性
• 适用场景：需要找出所有局部周期模式，而非仅全局对齐周期的场景。

方案3：后缀结构快速检测法（适合长序列） #

如果序列长度达到十万、百万级，前面两种暴力方法的时间复杂度过高，可用后缀数组+最长公共前缀（LCP）数组的方案加速。

• 实现逻辑：
  • 将字符列表拼接为单个字符串，构建后缀数组，排序所有后缀的起始位置
  • 计算相邻后缀的最长公共前缀长度，可在线性/线性对数时间复杂度下找出所有重复出现的子串
  • 对每个重复子串收集出现位置，和哈希法逻辑一致校验位置间隔是否为固定周期
• 适用场景：超长分类序列的快速检测，效率比暴力法高1~2个数量级。

方案4：软匹配容错检测法（适合带噪声的真实序列） #

真实业务序列往往存在少量错值、缺失值，精确匹配容易漏检周期，可引入汉明距离做软匹配。

• 实现逻辑：
  • 遍历候选周期时，不再要求字符完全一致，而是计算后续块和基准块的汉明距离（即不同字符的个数）
  • 若所有块和基准块的平均汉明距离低于容错阈值（比如每10个字符允许1个错误），即可判定存在对应周期
  • 可根据实际数据的噪声水平调整容错阈值，避免把随机错配误判为周期。

检测注意事项：

• 不要把单字符的高频出现判定为季节性，建议设置子序列最小长度（至少2~3个连续字符）
• 要求子序列至少重复出现3次以上，排除偶然两次匹配的巧合
• 匹配率、容错阈值没有通用固定值，需要结合业务对周期稳定性的要求调整

内容的提问来源于stack exchange，提问作者quant