python数据集_在Python中如何差分时间序列数据集

差分是一个广泛用于时间序列的数据变换。

在本教程中，你将发现如何使用Python将差分操作应用于时间序列数据。

完成本教程后，你将学到：

关于差分运算，包括延迟差分的配置和差分序列。

如何开发手动实现的差分运算。

如何使用内置的Pandas差分函数。

让我们开始吧。

为什么差分时间序列数据?

差分是一种变换时间序列数据集的方法。

它可以用于消除序列对时间性的依赖性，即所谓的时间性依赖。这包含趋势和周期性的结构。

不同的方法可以帮助稳定时间序列的均值，消除时间序列的变化，从而消除(或减少)趋势和周期性。

通过从当前观察中减去先前观察值来实现差分。

difference(t) = observation(t) - observation(t-1)

这样可以计算出序列差分。

延迟差分

将连续观察值之间的差值称为延迟-1差分。

可以调整延迟差分来适应特定的时间结构。

对于有周期性成分的时间序列，延迟可能是周期性的周期(宽度)。

差分序列

执行差分操作后，如非线性趋势的情况下，时间结构可能仍然存在。

因此，差分过程可以一直重复，直到所有时间依赖性被消除。

执行差分的次数称为差分序列。

洗发水销售数据集

该数据集描述了3年内洗发水的月销量。

这些单位是销售