时间序列数据分析相关知识

已于 2022-05-27 11:18:13 修改
阅读量815 收藏
点赞数
分类专栏： 数据分析 python 数据建模 文章标签： python 数据分析 机器学习 数据挖掘
于 2022-05-07 16:41:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_57099024/article/details/124572007
版权

目录

字符串和datetime的相互转换

datetime->str

str->datetime

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

使用resample进行重采样

滑动窗口rolling

ARIMA：时序模型 

需要导入的各种库

diff做差分使数据变得平稳

 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

训练拟合模型 

使用训练的模型进行预测 

 （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

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

 

训练拟合模型 

使用训练的模型进行预测 

爱打羽毛球的小怪兽
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Pandas中的时间序列的频率、偏移量
KJ.JK，正在火热更新全网最新最全的华为OD题库
12-07 4374
       通常，默认生成的时间序列是按天计算的，即频率为"D"。"D"是一个基础频率，通过用一个字符串的别名表示，比如"D"是"day"的别名。Pandas中的频率是由一个基础频率和一个乘数组成的，比如，"5D"表示每5天。        接下来，通过一张表来列举时间序列的基础频率 ...
时间序列分析专题
csdn_kelly的博客
12-08 461
最近在做时间序列项目，做个总结。 1.时间序列：即随时间推演目标值的数量特征或变化趋势具有一定规律的数据 2.要素：现象所属的时间和现象的发展水平（目标值） 3.研究时间序列的意义（研究过去，指导现在，预测未来）： 描述事物在过去时间的状态，分析其随时间推移的变化趋势 解释事物发展变化的规律性 预测未来 4.主要分类（还有其它分类，暂时不考虑） 平稳时间序列：基本固定在某个水平，不存在规律性波动 非平稳时间序列：趋势因素、季节因素、不规则变动因素 5.常用的动态分...
时间序列数据分析
墨夜之枫的博客
07-06 754
时间序列数据分析导包datetime数据转换重采样、降采样、升采样 类型 使用说明 date 日期（年、月、日） time 时间（时、分、秒、毫秒） datetime 日期和时间 timedelta 两个datetime的差（日、秒、毫秒） txinfo 用于存储时区信息的基本类型 导包 import datetime datetime datetime.date(2020, 1, 1) datetime.date(2020, 1, 1) datetime.time(
数据分析时间数据处理
disasters的博客
06-14 916
from datetime import datetime now = datetime.now() print(now) print('年：{}，月：{}，日：{}'.format(now.year, now.month, now.day)) diff = datetime(2019, 4, 4, 21) - datetime(2019, 1, 25, 0) print(type(diff)...
16种常用的数据分析方法-时间序列分析
10-25 1万+
时间序列（time series）是系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。它是系统中某一变量受其它各种因素影响的总结果。 研究时间序列主要目的可以进行预测，根据已有的时间序列数据预测未来的变化。时间序列预测关键：确定已有的时间序列的变化模式，并假定这种模式会延续到未来。 时间序列的基本特点 假设事物发展趋势会延伸到未来 预测所依据的数据具有...
时间序列分析-基于R 课后习题数据
06-11
2. **数据预处理**：时间序列数据可能包含异常值或缺失值，需要进行适当的处理。R中的`na.omit()`或`zoo`包中的`na.locf()`函数可用于处理缺失值。 3. **平稳性检验**：为了进行进一步的分析，通常需要检查时间序列...
时间序列分析专栏所用数据
03-27
- 数据分析工具：包括趋势线、移动平均等预设的时间序列分析选项。 6. **习题数据详解**： - 基于R的数据可能包含`.RData`文件，可使用`load()`函数加载。 - Excel格式的数据通常为`.xlsx`或`.xls`，可以使用`...
分享一个时间序列分析数据集
最新发布
06-16
10. **异常检测**：识别时间序列中的异常值对于数据分析至关重要，可以帮助我们了解可能的错误、外部影响或不寻常事件。 11. **Python库应用**：在Python中，pandas、numpy、matplotlib、statsmodels和forecasting...
时间序列分析试卷不含答案
10-29
我们可以通过对时间序列的历史数据进行分析，并对模型参数进行估计，以便对未来时间序列的值进行预测。 时间序列分析是一个非常重要的知识领域，它涉及到时间序列分析的基础概念、模型识别、参数估计、预测等方面的...
Python数据分析实践：时间序列new.pdf
06-14
时间数据类型和处理方法,通常时间序列数据作为 Series 或 DataFrame 的索引，以方便对时间数据进行操作。 Python中自带的处理时间的模块有datetime。 4.10.1 pandas时间相关的类 在多数情况下，对时间类型数据进行...
ARIMA 算法解析，一个通俗的解释
juhanishen的博客
05-27 1万+
ARIMA算法是时序算法的经典算法。网上有很多博客，笔者认为都比较数学化，不是那么让初学者一读就能懂得，换句话说，不是很通俗。本篇博客是基于英文博客来组织的，不是直接翻译，但代码，原始数据都来自这篇英文博客，所以说是翻译而来的。 1. 背景 ARIMA 算法的本质就是把数据中带有趋势的(trend)的，带有季节性的(seasonal)的, 带有业务场景周期性(domain cycle)的规律先找出来，一层一层将有规律的信息从数据中抽出来，最后的数据就剩下没有规律的，或叫噪声，理想的时候是白噪声。本文的.
时序异常检测方法总结
Mark_Australia的博客
09-17 5860
时序异常检测
pandas时间序列——时间基础、时间增量、时间周期、日期偏移处理
FGH333xwy的博客
12-14 1万+
本文详解pd.Timestamp方法创建日期时间对象、pd.Timestamp、pd.DatetimeIndex方法创建时间序列及pd.date_range创建连续时间序列、 pd.to_datetime、str和parse方法用于字符串与时间格式的相互转换、truncate方法截取时间和时间索引方法、 Timedelta增量函数、 timedelta_range产生连续增量函数、pd.Period方法建立时间周期、pd.period_range函数产生时间周期序列、pd.DateOffset建立时间偏移量
ARIMA--基于python实现的代码
热门推荐
meng_shangjy的博客
03-27 2万+
数据文件可在github：http://github.com/aarshayj/Analytics_Vidhya/tree/master/Articles/Time_Series_Analysis 中下载#1.导入包import pandas as pdimport numpy as npimport matplotlib.pylab as pltfrom matplotlib.pylab imp...
时间序列（数据分析）
qq_42433311的博客
03-28 1万+
第11章 时间序列 时间序列数据在很多领域都是重要的结构化数据形式，例如金融、经济、生态学、神经科学和物理学。 在多个时间点观测或测量的数据形成了时间序列。 许多时间序列是固定频率的，也就是说数据是根据相同的规则定期出现的，例如每15秒、每5分钟或每月1次。 时间序列也可以是不规则的，没有固定的时间单位或单位间的偏移量。 最简单和最广泛使用的时间序列是那些由时间戳索引的。 11.1 日期和时间数据的类型及工具 Python标准库包含了日期和时间数据的类型，也包括日历相关的功能。 dateti
Pandas时间序列：频率和日期偏移量
bqw的博客
07-05 6808
import pandas as pd import numpy as np 一、介绍 pandas中的频率是由一个基础频率(例如“日”、“月”)和一个乘数组成。 基础频率通常以一个字符串别名表示，比如“D”表示日，“M”表示月。 对于每个基础频率，都有一个被称为日期偏移量(date offset)的对象与之对应，比如日期偏移量Hour对应的频率是H。 二、日期偏移量 fr...
时间序列数据的处理
weixin_34128501的博客
05-23 3233
演讲嘉宾简介：钟宇（悠你） 阿里巴巴 数据库高级专家，时间序列数据库HiTSDB的研发负责人。在数据库、操作系统、函数式编程等方面有丰富的经验。 本次直播视频PPT，戳这里！https://yq.aliyun.com/download/2663 本次分享主要分为以下几个方面： 1. 时序数据库的应用场景 2. 面向分析的时序数据存储 ...
十种常用的的数据分析思路，你都知道吗？
大数据公社
11-23 6298
道家强调四个字，叫“道、法、术、器”。 层次区别：“器”是指物品或工具，在数据分析领域指的就是数据分析的产品或工具，“工欲善其事，必先利其器”； “术”是指操作技术，是技能的高低、效率的高下，如对分析工具使用的技术（比如用Excel进行数据分析的水平）； “法”是指选择的方法，有句话说“选择比努力重要”； “道”是指方向，是指导思想，是战略。 在数据分

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱打羽毛球的小怪兽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值