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