SARIMA时间序列预测

数据源

原始数据源

import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf
from statsmodels.graphics.tsaplots import plot_pacf
# 原始时间序列图
plt.figure(figsize=(9,3),dpi=100)
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
df1['收入'].plot(color='green', marker='o', linestyle='dashed', linewidth=1, markersize=2)
plt.ylabel('收入')
plt.title("收入时间序列分析图")

确定数据是与时间是否存在强相关性的

# 自相关系数，查看数据与时间的相关性
plot_acf(df1['收入'])
plt.title("原始序列的自相关(ACF)图")
plt.show()
# 绘制偏自相关函数（PACF）图
plt.figure(figsize=(12, 6))
plot_pacf(df1['收入'], lags=13, title='偏自相关函数（PACF）图')
plt.show()