這篇文章主要講解了用python進(jìn)行時(shí)間序列分析的方法，內(nèi)容清晰明了，對(duì)此有興趣的小伙伴可以學(xué)習(xí)一下，相信大家閱讀完之后會(huì)有幫助。

創(chuàng)新互聯(lián)公司是一家網(wǎng)站設(shè)計(jì)公司，集創(chuàng)意、互聯(lián)網(wǎng)應(yīng)用、軟件技術(shù)為一體的創(chuàng)意網(wǎng)站建設(shè)服務(wù)商，主營(yíng)產(chǎn)品：響應(yīng)式網(wǎng)站設(shè)計(jì)、成都品牌網(wǎng)站建設(shè)、成都全網(wǎng)營(yíng)銷推廣。我們專注企業(yè)品牌在網(wǎng)站中的整體樹立，網(wǎng)絡(luò)互動(dòng)的體驗(yàn)，以及在手機(jī)等移動(dòng)端的優(yōu)質(zhì)呈現(xiàn)。成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)、移動(dòng)互聯(lián)產(chǎn)品、網(wǎng)絡(luò)運(yùn)營(yíng)、VI設(shè)計(jì)、云產(chǎn)品.運(yùn)維為核心業(yè)務(wù)。為用戶提供一站式解決方案，我們深知市場(chǎng)的競(jìng)爭(zhēng)激烈，認(rèn)真對(duì)待每位客戶，為客戶提供賞析悅目的作品，網(wǎng)站的價(jià)值服務(wù)。

什么是時(shí)間序列

時(shí)間序列簡(jiǎn)單的說就是各時(shí)間點(diǎn)上形成的數(shù)值序列，時(shí)間序列分析就是通過觀察歷史數(shù)據(jù)預(yù)測(cè)未來的值。在這里需要強(qiáng)調(diào)一點(diǎn)的是，時(shí)間序列分析并不是關(guān)于時(shí)間的回歸，它主要是研究自身的變化規(guī)律的（這里不考慮含外生變量的時(shí)間序列）。

為什么用python

　　用兩個(gè)字總結(jié)“情懷”，愛屋及烏，個(gè)人比較喜歡python，就用python擼了。能做時(shí)間序列的軟件很多，SAS、R、SPSS、Eviews甚至matlab等等，實(shí)際工作中應(yīng)用得比較多的應(yīng)該還是SAS和R，前者推薦王燕寫的《應(yīng)用時(shí)間序列分析》，后者推薦“基于R語(yǔ)言的時(shí)間序列建模完整教程”這篇博文（翻譯版）。python作為科學(xué)計(jì)算的利器，當(dāng)然也有相關(guān)分析的包:statsmodels中tsa模塊，當(dāng)然這個(gè)包和SAS、R是比不了，但是python有另一個(gè)神器：pandas！pandas在時(shí)間序列上的應(yīng)用，能簡(jiǎn)化我們很多的工作。

環(huán)境配置

　　python推薦直接裝Anaconda，它集成了許多科學(xué)計(jì)算包，有一些包自己手動(dòng)去裝還是挺費(fèi)勁的。statsmodels需要自己去安裝，這里我推薦使用0.6的穩(wěn)定版，0.7及其以上的版本能在github上找到，該版本在安裝時(shí)會(huì)用C編譯好，所以修改底層的一些代碼將不會(huì)起作用。

時(shí)間序列分析

1.基本模型

　　自回歸移動(dòng)平均模型(ARMA(p，q))是時(shí)間序列中最為重要的模型之一，它主要由兩部分組成： AR代表p階自回歸過程，MA代表q階移動(dòng)平均過程，其公式如下：

　　 依據(jù)模型的形式、特性及自相關(guān)和偏自相關(guān)函數(shù)的特征，總結(jié)如下：

在時(shí)間序列中，ARIMA模型是在ARMA模型的基礎(chǔ)上多了差分的操作。

2.pandas時(shí)間序列操作

大熊貓真的很可愛，這里簡(jiǎn)單介紹一下它在時(shí)間序列上的可愛之處。和許多時(shí)間序列分析一樣，本文同樣使用航空乘客數(shù)據(jù)（AirPassengers.csv）作為樣例。

數(shù)據(jù)讀?。?/p>

# -*- coding:utf-8 -*-
import numpy as np
import pandas as pdfrom datetime import datetimeimport matplotlib.pylab as plt
# 讀取數(shù)據(jù)，pd.read_csv默認(rèn)生成DataFrame對(duì)象，需將其轉(zhuǎn)換成Series對(duì)象df = pd.read_csv('AirPassengers.csv', encoding='utf-8', index_col='date')df.index = pd.to_datetime(df.index) # 將字符串索引轉(zhuǎn)換成時(shí)間索引ts = df['x'] # 生成pd.Series對(duì)象# 查看數(shù)據(jù)格式ts.head()ts.head().index

本文名稱：用python進(jìn)行時(shí)間序列分析的方法-創(chuàng)新互聯(lián)
路徑分享：http://weahome.cn/article/dpdpgd.html