Jansen 2020 Machine Learning for Al Chapter 9代码复现（一）

SARIMAX模型——以成品油普通汽油价格为例

        本文是在阅读Jansen的《2020 Machine Learning for Al》第九部分后，导入choice当中的数据以做出消除季节效应的时间序列分析。

 一、导入所需的操作包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from matplotlib.pylab import rcParams
rcParams['figure.figsize'] = 28, 18
import statsmodels.api as sm
from statsmodels.tsa.stattools import adfuller
from statsmodels.tsa.seasonal import seasonal_decompose
import itertools
import warnings
warnings.filterwarnings("ignore")
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签

二、可视化

        首先利用Python绘制二氧化碳排放量的时间序列图，将成品油普通汽油随时间的变化趋势可视化，以便直观的观察数据变化趋势。

path=r"C:\Users\lenovo\Desktop\成品油普通汽油.csv"
data=pd.read_csv(path)
data.index=data['date']
data=pd.Series(data['price'])
data.index=pd.to_datetime(data