arima 数据预处理_ARIMA（非平稳时间序列处理及预测12月数据）

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import datetime

import pymysql

plt.rcParams['font.sans-serif'] = [u'SimHei']

plt.rcParams['axes.unicode_minus'] = False

%matplotlib inline

导入数据(1962-01到1975-12牛奶产量数据)

milk=pd.read_excel(r'C:\Users\齐娇\Desktop\milkproduction.xlsx')

milk

df=pd.Series(np.array(milk['production']),index=pd.period_range('196201','197512',freq='M'))

检验序列的平稳性跟纯随机性

1.1 检验平稳性

#画出时序图

df.plot(figsize=(15,5))

plt.title('Milk Month Production')

#画自相关图和偏自相关图

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

plot_acf(df)

plot_pacf(df)

plt.show()

#ADF检验

from statsmodels.tsa.stattools import adfuller as ADF

adf_data=ADF(df)

adf_data

说明从时序图来看：序列有明显的上升趋势，说明非平稳

从自相关系数图来看：自相关系数未很快衰减，说明非平稳

ADF检验：p=0.6>0.05,接受H0，说明非平稳

1.2 平稳性处理

1.2.1 对数变换

df_log=np.log(df)

df_log.plot(