实战：简单的基于周期因子的时间序列预测

前言

时间序列预测第一次尝试，效果很差劲hhhh，但总算是迈出了第一步。

思路

1. 原excel的样子：

时间（单位：月）	密度（只/笼）
2016/1/1	0.54
2016/2/1	0.21
……	……
2016/12/1	0.1
2017/1/1	0.2
……	……
2020/11/1	0.1

2. 从excel中提取这两列表格，并转换为以年份为行，月份为列的表格：
   以2020年的数据作为真实值（truth）

	1	2	3	4	5	6	7	8	9	10	11	12
2016
2017
……
2019

3. 根据周期因子的方法求年均值，并在表格右侧新建一列

	1	2	3	4	5	6	7	8	9	10	11	12	year_avg
2016
2017
……
2019

4. 将所有数据除以年均值
5. 求每列（不同年份相同月份）的中位数，添加在最后一行，以年均值的中位数作为base

	1	2	3	4	5	6	7	8	9	10	11	12	year_avg
2016
2017
……
2019
中位数

6. base*每一个月的中位数得到预测值（predict）添加在最后一行，并加入2020的数据

	1	2	3	4	5	6	7	8	9	10	11	12	year_avg
2016
2017
……
2019
中位数
predict
2020

7. 用matplotlib画图一下
   结果如下：（差距很大。。）
   

分析

我认为是数据体量太小（仅有三年数据）且每年的变化过大，周期性不明显所导致无法很准确的预测值。进一步来说，在数据小的情况下，又想要预测完整的数据，就更显得吃力，所以应该要通过已有的数据，预测未来一两个月的值，不要贪多。

• 本人小白一个，如果大家有更好的见解或本人有什么失误之处，欢迎在评论区指出！

代码

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
import pandas as pd
import xlrd

matplotlib.rc("font",family='FangSong') # 解决matplotlib不能打印中文的问题

def readData(file_name,sheet_name,col_names):
    work_book = xlrd.open_workbook(file_name)
    sheet = work_book.sheet_by_name(sheet_name)
    df = pd.DataFrame([], columns=sheet.row_values(col_names))
    for i in range(col_names + 1, sheet.nrows):
        p = sheet.row_values(i)[1] # p表示ρ，密度
        df.loc[i,'时间（单位：月）'] = xlrd.xldate.xldate_as_datetime(sheet.row_values(i)[0],0) # excel的时间转成datetime
        if p != '':
            df.loc[i,'密度（只/笼）'] = sheet.row_values(i)[1]
        else:
            df.loc[i, '密度（只/笼）'] = np.nan
    # print(df)
    return df

def rearrange(df):
    new_df = pd.DataFrame([])
    # print(new_df.loc[:,2016])
    j = 0
    k = 1
    for i in range(df.shape[0]):
        if k % 13 == 0: # 每隔12个月
            k = 1
            j += 1
        new_df.loc[k,2016+j] = df.loc[i+1,'密度（只/笼）']
        k+=1
    # print(new_df)
    return new_df

def getYearAvg(df):
    for i in range(df.shape[0]):
        df.loc[2016+i,'year_avg'] = np.sum(df.loc[2016+i])/12
    # print(df)
    return df

def getColumnMid(df):
    df.loc['中位数'] = df.median().T
    # print(df)
    return df

def plot(df):
    plt.title('苍蝇预测')
    plt.xlabel('月份')
    plt.ylabel('密度（只/笼）')
    plt.plot(df.columns,df.loc['predict'],label='预测值')
    plt.plot(df.columns,df.loc['truth'],label='2020(真实值)')
    plt.legend(loc='upper right')
    plt.show()

if __name__ == '__main__':
    file_name = r'E:\汇总-蝇.xlsx'
    sheet_name = r'汇总'
    col_names = 0
    df = readData(file_name,sheet_name,col_names)
    new_df = rearrange(df)
    new_df = new_df.T

    plt.plot(new_df.columns, new_df.loc[2016], label='2016')
    plt.plot(new_df.columns, new_df.loc[2017], label='2017')
    plt.plot(new_df.columns, new_df.loc[2019], label='2019')
    plt.legend(loc='upper right')
    # plt.show()
    new_df = getYearAvg(new_df)
    truth = new_df.loc[2020]
    new_df = new_df.loc[:2019]


    base = (np.median(new_df['year_avg'])+np.mean(new_df['year_avg']))/2 # 尝试了只用中位数，只用平均数等别的方法找base

    print(new_df)
    for i in range(new_df.shape[0]):
        for j in range(new_df.shape[1]):
            if new_df.loc[2016+i,'year_avg']!= 0:
                new_df.iloc[i,j]/=new_df.loc[2016+i,'year_avg']
    new_df = getColumnMid(new_df)
    print(new_df)
    
    new_df.loc['predict'] = new_df.loc['中位数']*base
    new_df.loc['truth'] = truth
    new_df=new_df.drop(labels = 'year_avg',axis=1)
    print(new_df)
    plot(new_df)