Pandas｜时间序列分析｜相关图生成

原始数据形式（部分）

DATE	CLOSE/LAST
2012/1/23	14.61
2012/1/24	14.94
2012/1/25	14.85
2012/1/26	14.71
2012/1/27	14.91

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

#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

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

偏相关系数图

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

一阶差分图

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

Fin.