Python数据分析案例之时间序列分析

关注+星标，每天学习Python新技能

来源：网络

概述：什么是时间序列

顾名思义，时间序列就是按照时间顺序排列的一组数据序列。时间序列分析就是找出数据变化发展的规律，从而预测未来的走势。

时间序列分析有以下几种表现形式：

○长期趋势变化：受某种因素的影响，数据依据时间变化，按某种规则稳步增长或下降。使用的分析方法有：移动平均法、指数平滑法等。

○季节性周期变化：受季节更替等因素影响，数据依据固定周期规则性的变化。季节性周期变化，不局限于自然季节，还包括月、周等短期周期。例如，空调、羽绒服、冷饮的销售，双十一、双十二流量在一周之内的波动等。采用的方法：季节指数。

○循环变化：指一种较长时间的上下起伏周期性波动，一般循环时间在2~15 年。

○ 随机性变化：由许多不确定因素引起的数据变化，在时间序列中无法预计。

案例： 年增长趋势和季节性波动分析

下面分析淘宝店铺近三年的增长趋势和季节性波动，如图13 所示。从分析结果得出，近三年淘宝店铺的收入呈现持续稳定增长趋势，但在2019 年有所下降，季节性波动比较明显，而每年的第4 季度是销售“旺季”。

图13 年增长趋势和季节性波动

程序代码如下：</