Verwandte kostenlose Lernempfehlungen: Python-Video-Tutorial Dieser Artikel: https://download.csdn.net/download/weixin_45590329/14143811
#Das Zeitreihen-Liniendiagramm sieht wie folgt aus: Es ist offensichtlich, dass die Daten einen steigenden Trend aufweisen, und es wird zunächst davon ausgegangen, dass dies der Fall ist nicht stabil
2. Stationaritätstest
from scipy import statsimport pandas as pdimport matplotlib.pyplot as pltimport statsmodels.api as smfrom statsmodels.tsa.arima.model import ARIMAfrom statsmodels.graphics.tsaplots import plot_predict plt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签plt.rcParams['axes.unicode_minus']=False#用于正常显示负号
data=pd.read_csv('数据/客运量.csv',index_col=0)data.index = pd.Index(sm.tsa.datetools.dates_from_range('1949', '2008'))#将时间列改为专门时间格式,方便后期操作data.plot(figsize=(12,8),marker='o',color='black',ylabel='客运量')#画图
sm.tsa.adfuller(data,regression='c')sm.tsa.adfuller(data,regression='nc')sm.tsa.adfuller(data,regression='ct')
5. Bestimmen Sie die ARIMA-Reihenfolge (p, d, q). 1,1,1) Modell
6. Parameterschätzung
diff=data.diff(1)diff.dropna(inplace=True)diff.plot(figsize=(12,8),marker='o',color='black')#画图
sm.tsa.adfuller(diff,regression='c')sm.tsa.adfuller(diff,regression='nc')sm.tsa.adfuller(diff,regression='ct')
Python-Tutorial
(Video)Das obige ist der detaillierte Inhalt vonEinführung in die Verwendung des Statsmodels-Moduls von Python zur Anpassung an ARIMA-Modelle. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!