目录
使用statsmodels库中的plot_acf和plot_pacf直接绘制自相关函数和偏自相关函数
(以下内容为个人学习整理)
-
字符串和datetime的相互转换
datetime->str
str()可以强制转换
datetime.strftime() 需要指定时间表示的形式,必须指定转换成的格式和分隔符
str->datetime
datetime.strptime() 需要指定时间表示的形式,必须指定转换成的格式和分隔符
dateutil.parser.parser() 可以解析大部分时间表示形式,如果第一个数字在月份范围之间
pd.to_datetime() 经常用于处理Series,其中含有缺失值和空字符串的时候也可以正常运行
-
pandas常用的时间序列处理方法
创建日期范围
以月份为索引进行切片
使用before和after进行切片
tseries时间序列创建偏移量
shift 移动数据
pandas中的shift()方法对数据进行移动的操作_爱打羽毛球的小怪兽的博客-CSDN博客_pandas中shift
使用resample进行重采样
datetime数据类型——min()获取最早日期、date_range()创建日期范围、Timestamp()创建时间戳、tz()时区变换_爱打羽毛球的小怪兽的博客-CSDN博客_tz时区
滑动窗口rolling
以下示例程序会在自动生成按顺序临近的五个的平均值,由于windows设置为5,因此前四个没有数据,center为false默认从最左边开始
-
ARIMA:时序模型
需要导入的各种库![](https://img-blog.csdnimg.cn/2b6e8e5ea6ad4767a24f8199c820e592.png)
diff做差分使数据变得平稳
一般情况下一阶或二阶可以达到平稳,阶数过多容易忽略特征
使用statsmodels库中的plot_acf和plot_pacf直接绘制自相关函数和偏自相关函数