python时间序列预测不连续怎么办_手把手教你用Python处理非平稳时间序列

1. 平稳简介

“平稳”是处理时间序列数据时遇到的最重要的概念之一：平稳序列是指其特性-均值、方差和协方差不随时间而变化的序列。

让我们用一个直观的例子来理解这一点。考虑以下三个图形：

在第一幅图中，我们可以清楚地看到，均值随时间而变化(增加)，呈现上升的趋势。因此，这是一个非平稳序列。平稳序列不应该呈现出随时间变化的趋势。

第二幅图显然看不到序列的趋势，但序列的变化是一个时间的函数。正如前面提到的，平稳序列的方差必须是一个常数。

再来看第三幅图，随着时间的增加，序列传播后变得更近，这意味着协方差是时间的函数。

上述三个例子均是非平稳时间序列。现在来看第四个图：

在这张图中，均值、方差和协方差都是常数，这就是平稳时间序列。

再想一想，上面的哪一幅图预测未来会更容易呢？第四个图，对吧？大多数统计模型都要求序列是平稳的，这样才能进行有效和精确的预测。

因此，总的来说，平稳时间序列是一个不依赖时间变化 (即均值、方差和协方差不随时间变化)的时间序列。在下一节中，我们将介绍各种检测给定序列是否平稳的方法。

2. 加载数据

在本节和后续几节中，将介绍检测时间序列数据的平稳性的方法，以及如何处理非平稳序列。同时，本文还提供了相应的Python代码。大家可以到：AirPassengers下载文中使用的数据集。

在继续分析数据集之前，首先加载和预处理数据。

好了，看来可以继续了