时间序列预测2021年MBA国家线

时间序列

之前的时间序列入门，很多人还是觉得不好理解

那么我们趁着出分的热度，专门做一下2021年国家线的时间序列预测把

考研MBA分数分析

MBA数值少，好理解

2009~2020年 MBA分数分析

预测2021年分数线

不见得准确，因为数据量太少，但是可以好好理解一下时间序列

我们把所有的功能只保留三部————

• 数据读取
• 模型构建
• 预测

数据读取

xls表mba.xlsx

import pandas as pd
df = pd.read_excel('./mba.xlsx', index_col='年份')

总分(A)	英语(A)	管综(A)	总分(B)	英语(B)	管综(B)
年份						
2009年	155	50	85	145	45	77
2010年	165	47	94	155	42	84
2011年	165	45	90	155	40	80
2012年	150	41	82	140	36	72
2013年	155	41	82	145	37	72
2014年	160	41	82	150	36	72
2015年	160	40	80	150	35	70
2016年	165	39	78	155	34	68
2017年	170	42	84	160	37	74
2018年	165	42	84	155	37	74
2019年	170	42	84	160	37	74
2020年	175	44	88	165	39	78

时间序列图表

画个图看看效果

完全可以在xls里面画，这步可以省略

import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.family'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
df.plot()

模型构建

获取一下最佳p和q

我们在p=0、1、2、3、4和q=0、1、2中做对比

这时候画一个热力图效果很好

这个函数直接拿去用，不用管里面怎么写的

import numpy as np
from statsmodels.tsa import arima_model
import itertools
import seaborn as sns #热力图
import warnings
warnings.filterwarnings("ignore")
def thermodynamicOrder(df, ar=4, ma=2):
    results_aic = pd.DataFrame(\
        index=['AR{}'.format(i) for i in range(0, ar+1)],\
        columns=['MA{}'.format(i) for i in range(0, ma+1)])
    for p, q in itertools.product(range(0, ar+1), range(0, ma+1)):
        if p==0 and q==0:
            results_aic.loc['AR{}'.format(p), 'MA{}'.format(q)] = np.nan
            continue
        try:
            results = arima_model.ARMA(df, (p, q)).fit()
            #返回不同pq下的model的BIC值
            results_aic.loc['AR{}'.format(p), 'MA{}'.format(q)] = results.aic
        except:
            continue
    results_aic = results_aic[results_aic.columns].astype(float)
    fig, ax = plt.subplots(figsize=(10, 8))
    ax = sns.heatmap(results_aic,
                    #mask=results_aic.isnull(),
                    ax=ax,
                    annot=True, #将数字显示在热力图上
                    fmt='.2f',
                    )
    ax.set_title('AIC')
    plt.show()

A区总分建模

df里面是所有数据，所以我们要只取里面的某一列

python的pandas直接可以按照列取值，非常方便

thermodynamicOrder(df['总分(A)'], 4, 2)

记住，最小的值代表最好，并且也是最暗

这里是81.78最小，对应的是AR0和MA1

也就是p=0，q=1 效果最好

然后我们把这个值带入模型

必须是有色块的值才能用，空白的是非法值，不能用

预测

使用刚才的参数创建模型预测2021年数据

arima_model.ARMA(df['总分(A)'], (0, 1)).fit().forecast(1)

(array([166.07142745]),
 array([5.11281472]),
 array([[156.05049474, 176.09236017]]))

我们现在预测出来了总分数据

均值 165(166.07142745)

最大值 175(176.09236017)

最小值 155(156.05049474)

因为分数线都是5分为最小单位，所以四舍五入

然后用同样的方法去预测其他的数据

A区英语

thermodynamicOrder(df['英语(A)'], 4, 2)

arima_model.ARMA(df['英语(A)'], (1, 0)).fit().forecast(1)

(array([44.12855737]),
 array([1.92440793]),
 array([[40.35678715, 47.9003276 ]]))

A区管综

thermodynamicOrder(df['管综(A)'], 4, 2)

arima_model.ARMA(df['管综(A)'], (0, 1)).fit().forecast(1)

(array([85.78637262]),
 array([3.08996814]),
 array([[79.73014636, 91.84259889]]))

B区总分

thermodynamicOrder(df['总分(B)'], 4, 2)

arima_model.ARMA(df['总分(B)'], (0, 1)).fit().forecast(1)

(array([156.07142745]),
 array([5.11281472]),
 array([[146.05049474, 166.09236017]]))

B区英语

thermodynamicOrder(df['英语(B)'], 4, 2)

arima_model.ARMA(df['英语(B)'], (1, 0)).fit().forecast(1)

(array([39.13014005]), array([1.96343784]), array([[35.2818726, 42.9784075]]))

B区管综

thermodynamicOrder(df['管综(B)'], 4, 2)

arima_model.ARMA(df['管综(B)'], (0, 1)).fit().forecast(1)

(array([75.75000016]),
 array([2.96273148]),
 array([[69.94315315, 81.55684716]]))

我们预测2021年A区分数线为

均值

总分:165
英语:44
管综:85

最高

总分:175
英语:48
管综:91

最低

总分:156
英语:40
管综:80

我们预测2021年B区分数线为

均值

总分:155
英语:39
管综:76

最高

总分:165
英语:43
管综:82

最低

总分:146
英语:35
管综:70

预测是不会考虑外因的，我倾向于按照最高来算

A区

$总分:175$
$英语:48$
$管综:91$

B区

$总分:165$
$英语:43$
$管综:82$

到了国家线发榜时间咱们看看预测结果~

再次声明，不要过多在意数值，本文只是时间序列的应用

时间序列，调参非常重要，了解之后，如果想深入，一定要做自相关

具体内容请看 时间序列基础