Pandas|时间序列分析|相关图生成

原始数据形式(部分)

DATECLOSE/LAST
2012/1/2314.61
2012/1/2414.94
2012/1/2514.85
2012/1/2614.71
2012/1/2714.91

Pandas

数据导入与设置

import matplotlib
matplotlib.use('Qt5Agg')
import pandas as pd
import datetime
import matplotlib.pylab as plt
import seaborn as sns
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

style.use('ggplot')   
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False 
stockFile = 'nvidia.csv'

#将索引index设置为时间,parse_dates对日期格式处理为标准格式。
stock = pd.read_csv(stockFile, index_col=0, parse_dates=[0])

原始数据时序图生成

在这里插入图片描述

#以周一为索引,按周取平均值进行重采样
stock_week = stock['Close'].resample('W-MON').mean()
stock_train = stock_week['2012':'2021']
stock_train.plot(figsize=(15,9))
plt.title("Stock Close")
sns.despine()

自相关系数图

在这里插入图片描述

acf = plot_acf(stock_train, lags=47)
plt.title("ACF")
acf.show()

偏相关系数图

在这里插入图片描述

pacf = plot_pacf(stock_train, lags=47)
plt.title("PACF")
pacf.show()

一阶差分图

在这里插入图片描述

stock_diff = stock_train.diff()
stock_diff = stock_diff.dropna()
 
plt.figure()
plt.plot(stock_diff)
plt.title('First Order Difference')
plt.show()

Fin.

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值