使用Python进行广州市GDP时间序列分析和预测_如何对时间序列gdp进行-CSDN博客

本文链接：https://blog.csdn.net/qq_36315683/article/details/134587453

使用Python进行广州市GDP时间序列分析和预测

使用Python进行广州市GDP时间序列分析和预测

使用Python进行广州市GDP时间序列分析和预测

在这篇博客中，我们将探讨如何使用Python进行时间序列分析，以预测广州市的GDP。我们将使用ARIMA模型进行预测，并通过增广迪基-富勒（Augmented Dickey-Fuller）检验来检查数据的平稳性。

环境准备

首先，确保安装了必要的库。如果尚未安装，可以使用以下命令进行安装：

pip install statsmodels
pip install matplotlib
pip install pandas

数据准备和预处理

我们的数据来源是一个CSV文件，包含了广东各市历年的GDP数据。首先，我们需要读取这个文件，并对数据进行适当的转置处理。
在这里插入图片描述

import pandas as pd

file_path = '../spider/广东各市历年GDP数据.csv'
gdp_data = pd.read_csv(file_path)
gdp_data_transposed = gdp_data.drop(columns=['Unnamed: 0', '市别']).set_index('City').transpose()

选择并检查数据

我们选择广州市的GDP数据进行分析。使用增广迪基-富勒检验来检查数据的平稳性。

from statsmodels.tsa.stattools import adfuller

guangzhou_gdp = gdp_data_transposed['Guangzhou']
adf_test = adfuller(guangzhou_gdp)

数据差分

为了使时间序列平稳，我们对原始数据进行一次差分。

guangzhou_gdp_diff = guangzhou_gdp.diff().dropna()
adf_test_diff = adfuller(guangzhou_gdp_diff)

ARIMA模型拟合

使用ARIMA模型对差分后的数据进行拟合，并预测未来三年的GDP。

from statsmodels.tsa.arima.model import ARIMA

model = ARIMA(guangzhou_gdp, order=(1, 1, 1))
model_fit = model.fit()
forecast = model_fit.forecast(steps=3)

结果可视化

最后，我们将预测结果与实际数据一起绘制在图表中，以直观展示预测的准确性。

import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

font = FontProperties(fname='font/Deng.ttf')
plt.figure(figsize=(8, 6))
# 绘图代码...