pandas时间序列与自回归ARIMA模型

知识点梳理

AR：

MA：

ARIMA：

因此需要指定 p ， q ， i 的 值：

i的值由图像确定，而使用ACF与PACF确定p与q的值：

1 时间预处理

1.1 创造时间序列

1. 从指定日期开始

time_df = pd.date_range('2020-01-01', periods = 10, freq = 'D')
# periods：周期，即生成的时间序列个数
# freq：步长，可指定2D：两天；H：小时；M：月

2. 获得起始与终止时间之间

time_df = pd.date_range('2020-01-01','2021-01-01',freq='M')
# 得到起始日期至终止日期之间的所有时间

1.2 选择时间序列

# 选择 2020-01-01 之后的日期
time_df.truncate(before='2020-01-01')

# 选择 2021-01-01 之后的日期
time_df.truncate(after='2021-01-01')

# 选择从 2020-01-01 到 2021-01-01 的日期
time_df['2020-01-01':'2021-01-01']

1.3 重采样

resample(‘计算时间频率’).观察指标()

升采样：

# 重采样为按月计数，观察总和
time_df = time_df.resample('M').sum()

# 以三天计数，观察均值
time_df = time_df.resample('3D').mean()

降采样：

# 以小时计数，空值填充为 NaN
time_df = time_df.resample('H').asfreq()

# 填充出现空缺的num个值，参考 NaN 上面的数值填充
time_df = time_df.resample('H').ffill(num)

# 填充出现空缺的num个值，参考 NaN 下面的数值填充
time_df = time_df.resample('H').bfill(num)

# 线性填充所有缺失值
time_df = time_df.resample('H').interplate('linear')

1.4 滑动窗口

# 以 20 为单位做滑动窗口
roll_windows = time_df.rolling(window=20)
# 不能直接使用roll_windows，还需要明确观察指标
roll_windows.mean() # 均值
roll_windows.std() # 方差
roll_windows.max() # 最大
roll_windows.min() # 最小
roll_windows.median() # 中位数
roll_windows.var() # 方差
roll_windows.skew() # 偏度

1.5 差分

# 一阶差分
dataframe['列名'] = dataframe['列名'].diff(1)
# 二阶差分：在一阶差分的基础上再做差分

2.自回归ARIMA模型

1.平稳性（差分）

data = data.diff() # 一阶差分
data = data.dropna() # 去除NaN

2. ACF与PACF

import statsmodels.tsa.api as smt
import seaborn as sns

sns.set(style='ticks', context='poster')
# ACF 曲线
smt.graphics.plot_acf(train_data, lags=20)
# PACF 曲线
smt.graphics.plot_pacf(train_data, lags=20)

3. ARIMA建模

import statsmodels.api as sm

arima_model = sm.tsa.SARIMAX(train_data, order=(4, 1, 2))
arima_result = model.fit()

4. 模型预测

arima_predict = arima_result.predict('起始时间', '终止时间',dynamic=True, typ='levels')

5. 模型评估

# ARIMA各种指标
arima_result.summary()
# AIC：赤池信息准则，衡量数据与参数之间的关系，越小越好
aic = arima_result.aic
# BIC：贝叶斯信息准则，同上，都是判断模型的简易性
bic = arima_result.bic