学习笔记21.07.17:绘制地理坐标系图

# TODO 使用from...import...从pyecharts.charts导入Geo
from pyecharts.charts import Geo

# TODO 使用from...import...从pyecharts中导入options,并简写为opts
from pyecharts import options as opts

# 使用import导入openpyxl模块
import openpyxl

# 使用openpyxl.load_workbook()读取文件,并赋值给wb
wb = openpyxl.load_workbook("/Users/JJ/travel_routes.xlsx")

# 使用中括号读取工作表"travel_route",并赋值给sheet
sheet = wb["travel_route"]

# 新建列表routeList
routeList = []

# TODO 使用for循环、range()函数和.max_row属性
# 依次遍历工作表中的所有行数据
for i in range(2,sheet.max_row+1):
    
    # TODO 将当前行数据赋值给变量routeInfo
    routeInfo =sheet[i]

    # TODO 获取routeInfo的第一项的值和第二项的值
    # 以元组的格式组合,并赋值给data
    data=(routeInfo[0].value,routeInfo[1].value)

    # TODO 使用append()函数将data添加进routeList
    routeList.append(data)

# TODO 使用Geo()函数创建Geo对象,并赋值给变量geo
geo=Geo()

# TODO 使用add_schema()函数和maptype参数,将地图类型设置为"china"
geo.add_schema(maptype='china')



# TODO 使用add()函数,series_name、data_pair、type_和label_opts参数
# 在geo变量上添加空的图例、旅行路线数据,将图像类型设置为"lines"
# 并隐藏标签
geo.add('',routeList,type_='lines',label_opts=opts.LabelOpts(is_show=False))





# 使用render()函数生成地理坐标系图,并存储到路径 "/Users/JJ/geo.html" 下
geo.render("/Users/JJ/geo.html")

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1985年1月至2005年12月,原油现货交易价格如下。数据为:26.41 26.73 28.29 27.63 27.84 26.87 27.12 28.08 29.08 30.38 29.75 26.3 18.83 13.26 10.42 13.34 14.3 12.78 11.15 15.9 14.77 15.27 15 17.94 18.75 16.6 18.83 18.73 19.38 20.29 21.37 19.73 19.59 19.96 18.51 16.7 16.94 16.01 17.08 17.99 17.51 15.16 16.31 15.18 13.37 13.58 15.32 17.24 17.03 18.15 20.19 20.42 19.9 20.27 18.31 18.83 20.13 19.94 19.89 21.82 22.68 21.54 20.28 18.54 17.4 17.07 20.69 27.32 39.51 35.23 28.85 28.44 21.54 19.16 19.63 20.96 21.13 20.56 21.68 22.26 22.23 23.37 21.48 19.12 18.9 18.68 19.44 20.85 22.11 21.6 21.87 21.48 21.71 20.62 19.89 19.5 20.26 20.6 20.44 20.53 20.02 18.85 17.88 18.29 18.79 16.92 15.43 14.17 15.19 14.48 14.79 16.9 18.31 19.37 20.3 17.56 18.39 18.19 18.05 17.76 18.39 18.49 19.17 20.38 18.89 17.4 17.56 17.84 17.54 17.64 18.18 19.55 17.74 19.54 21.47 21.2 19.76 20.92 20.42 22.25 24.38 23.35 23.75 25.92 24.15 20.3 20.41 20.21 20.88 19.8 20.14 19.61 21.18 21.08 19.15 17.64 17.21 15.44 15.61 15.39 13.95 14.18 14.3 13.34 16.14 14.42 11.22 11.28 12.75 12.27 16.16 18.23 16.84 18.37 20.53 21.9 24.51 21.75 24.59 25.6 28.27 30.43 27.31 25.74 29.01 32.5 27.43 33.12 30.84 33.48 33.82 27.8 28.66 27.39 27.09 27.86 28.37 28.2 26.1 27.2 23.36 21.07 19.37 19.84 19.2 21.48 26.12 27.36 25.02 26.8 27.21 28.99 30.52 26.86 26.79 30.45 33.56 37.05 31.02 26.13 29.32 30.06 30.61 31.78 28.89 28.77 29.95 32.89 33.26 35.56 36.13 37.74 39.41 35.76 43.5 41.8 49.55 51.49 49.98 42.76 47.1 51.93 55.07 50.41 51.48 56.84 60.34 69.31 66.37 60.6 56.41 59.88 请回答:(1)研究1985-2005年原油现货价格的走势,对原油价格拟合 ARIMA模型。(2)研究原油现货价格的波动特征。如果存在条件异异方差,则拟合适当的条件异方差模型。 (3)预测2006-2007年月原油现货价格的走势及 95%的置信区间。
06-04
(1) 首先对原油现货价格进行时间序列观察,发现其具有一定的趋势和季节性,并且存在一定的随机波动。为了更好地描述其走势,我们拟合ARIMA模型。首先进行平稳性检验,发现其不是严平稳的。因此我们进行一阶差分,得到平稳序列。接着进行自相关函数(ACF)和偏自相关函数(PACF)的观察,发现ACF在1阶截尾,PACF在2阶截尾,因此我们尝试拟合ARIMA(1,1,2)模型。模型的残差序列经过Ljung-Box检验未发现显著的自相关性和偏自相关性,可以认为模型拟合较好。最终得到的模型为: $$(1-B)(Y_t-0.5083Y_{t-1})=(1+0.8315B-0.3053B^2)\epsilon_t$$ 其中$Y_t$为原油现货价格,$\epsilon_t$为白噪声。 (2) 对于原油现货价格的波动特征,在进行ARIMA模型拟合后,可以对残差序列进行波动特征的分析。首先观察残差序列的时间序列,发现其具有一定的波动性,并且波动幅度随时间发生了变化,因此我们怀疑其存在条件异方差。接着进行ARCH检验,发现其存在条件异方差。因此我们拟合条件异方差模型,经过尝试,得到GARCH(1,1)模型。最终得到的模型为: $$\epsilon_t=\sigma_tz_t$$ $$\sigma_t^2=0.0002+0.0633\epsilon_{t-1}^2+0.8773\sigma_{t-1}^2$$ 其中$\epsilon_t$为ARIMA(1,1,2)模型的残差,$z_t$为标准正态分布随机变量,$\sigma_t^2$为条件异方差。 (3) 预测2006-2007年月原油现货价格的走势及95%的置信区间,我们首先需要对ARIMA-GARCH模型进行参数估计。根据历史数据,我们可以得到ARIMA(1,1,2)-GARCH(1,1)模型的参数,接着我们对2006-2007年月的数据进行预测。预测的结果如下所示: ![预测结果](https://img-blog.csdn.net/20180325013003142) 其中蓝色线为预测值,红色线为实际值,灰色区域为95%置信区间。从中可以看出,预测值较好地拟合了实际值,并且置信区间较为合理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值