python做時間序列的方法

小編給大家分享一下python做時間序列的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

python做時間序列的方法：首先導入需要的工具包，輸入“data.plot()”，“plt().show()”命令繪制時序圖；然后由acf，pacf判斷模型參數即可。

采用python進行簡易的時間序列預測流程

時間序列可視化——>序列平穩——>acf,pacf尋找最優參——>建立模型——>模型檢驗——>模型預測

涉及到的工具包如下：

# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from random import randrange
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.api import tsa原始數據

時間序列是與時間相關的一組數據，這里的數據主要是生成的模擬數據，僅是為了練習一下處理【時間序列】的流程。

def generate_data(start_date, end_date):
    df = pd.DataFrame([300 + i * 30 + randrange(50) for i in range(31)], columns=['income'],
                      index=pd.date_range(start_date, end_date, freq='D'))
 
    return df
 
 
data = generate_data('20170601', '20170701')
# 這里要將數據類型轉換為‘float64’
data['income'] = data['income'].astype('float64')

數據可視化

這里主要是觀察數據是否是平穩序列，如果不是則要進行處理轉換為平穩序列1

# 繪制時序圖

data.plot()
plt.show()

# 繪制自相關圖

plot_acf(data).show()

從時序圖中可以看出這組序列存在明顯的增長趨勢。不是平穩序列

acf圖呈現出三角對稱趨勢，進一步說明這組時間序列是一組單調趨勢的非平穩序列。

差分–轉換為平穩序列

# 差分運算

# 默認1階差分

data_diff = data.diff()

# 差分后需要排空，

data_diff = data_diff.dropna()

data_diff.plot()
plt.show()

可以看到在1階差分后序列已經轉換為平穩序列。

由acf，pacf判斷模型參數

plot_acf(data_diff).show()
plot_pacf(data_diff).show()

這里選用ARIMA模型，參數為（1， 1， 1）

模型訓練

arima = ARIMA(data, order=(1, 1, 1))
result = arima.fit(disp=False)
print(result.aic, result.bic, result.hqic)
 
plt.plot(data_diff)
plt.plot(result.fittedvalues, color='red')
plt.title('ARIMA RSS: %.4f' % sum(result.fittedvalues - data_diff['income']) ** 2)
plt.show()

模型檢驗

這里選擇了 ‘Ljung-Box檢驗’，

# ARIMA   Ljung-Box檢驗 -----模型顯著性檢驗，Prod> 0.05，說明該模型適合樣本

resid = result.resid
r, q, p = tsa.acf(resid.values.squeeze(), qstat=True)
print(len(r), len(q), len(p))
test_data = np.c_[range(1, 30), r[1:], q, p]
table = pd.DataFrame(test_data, columns=['lag', 'AC', 'Q', 'Prob(>Q)'])
print(table.set_index('lag'))

檢驗的結果就是看最后一列前十二行的檢驗概率（一般觀察滯后1~12階），如果檢驗概率小于給定的顯著性水平，比如0.05、0.10等就拒絕原假設，其原假設是相關系數為零。就結果來看，如果取顯著性水平為0.05，那么相關系數與零沒有顯著差異，即為白噪聲序列。

模型預測

# 模型預測

pred = result.predict('20170701', '20170710', typ='levels')
print(pred)
x = pd.date_range('20170601', '20170705')
plt.plot(x[:31], data['income'])
# lenth = len()
plt.plot(pred)
plt.show()
print('end')

看完了這篇文章，相信你對python做時間序列的方法有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！