基于python的时间序列分析_20个Python教程，掌握时间序列的特征分析

【导语】时间序列是指以固定时间为间隔的序列值。本篇教程将教大家用Python对时间序列进行特征分析。

1、什么是时间序列？

时间序列是指以固定时间为间隔的、由所观察的值组成的序列。根据观测值的不同频率，可将时间序列分成小时、天、星期、月份、季度和年等时间形式的序列。有时候，你也可以将秒钟和分钟作为时间序列的间隔，如每分钟的点击次数和访客数等等。

为什么我们要对时间序列进行分析呢？

因为当你想对一个序列进行预测时，首先要完成分析这个步骤。除此之外，时间序列的预测也具有极大商业价值，如企业的供求量、网站的访客量以及股票价格等，都是极其重要的时间序列数据。

那么，时间序列分析都包括哪些内容呢？

要做好时间序列分析，必须要理解序列的内在属性，这样才能做出更有意义且精准的预测。

2、如何在 Python 中引入时间序列？

关于时间序列的数据大都存储在 csv 文件或其他形式的表格文件里，且都包含两个列：日期和观测值。

首先我们来看 panda 包里面的 read_csv() 函数，它可以将时间序列数据集（关于澳大利亚药物销售的 csv 文件）读取为 pandas 数据框。增加一个 parse_dates=['date'] 字段，可以把包含日期的数据列解析为日期字段。

时间序列数据框

此外，你也可以将文件读取为 pandas 序列，把日期作为索引列，只需在 pd.read_csv() 中指定 index_col 参数。