介绍

时间序列分析属于统计学的一个分支，涉及有序的，经常是时间的数据的研究。当相关应用时，时间序列分析可以显示意想不到的趋势，提取有用的统计，甚至预测未来的趋势。由于这些原因，它被应用于许多领域，包括经济，天气预报和能力规划等等。 在本教程中，我们将介绍时间序列分析中使用的一些常用技术，并逐步介绍操作，可视化时间序列数据所需的迭代步骤。

先决条件

本指南将介绍如何在本地桌面或远程服务器上进行时间序列分析。使用大型数据集可能需要大量内存，因此在任一情况下，计算机将需要至少2GB的内存来执行本指南中的一些计算。 在本教程中，我们将使用Jupyter Notebook来处理数据。 如果你还没有，你应该按照我们的教程安装和设置Jupyter Notebook for Python 3 。

第1步 - 安装软件包

我们将利用statsmodels库，它在处理数据时提供了很大的灵活性，而statsmodels库允许我们在Python中执行统计计算。这两个库一起使用，扩展了Python以提供更多的功能，并显着增加我们的分析工具包。 像其他Python包一样，我们可以用pip安装statsmodels和statsmodels 。首先，让我们进入我们的本地编程环境或基于服务器的编程环境：

cd environments

. my_env/bin/activate

从这里，让我们为我们的项目创建一个新的目录。我们将调用它的时间timeseries ，然后移动到目录。 如果调用该项目不同的名称，请务必在整个指南中用您的名称timeseries序列

mkdir timeseries
cd timeseries

我们现在可以安装statsmodels ， statsmodels和数据绘图软件包matplotlib 。它们的依赖也将被安装：

pip install pandas statsmodels matplotlib

在这一点上，我们现在设置开始使用pandas和statsmodels 。

第2步 - 加载时间序列数据

要开始使用我们的数据，我们将启动Jupyter Notebook：

jupyter notebook

要创建新的笔记本文件，请从右上角的下拉菜单中选择新建 > Python 3 ： 这将打开一个笔记本，允许我们加载所需的库（注意用于引用pandas， matplotlib和statsmodels的标准statsmodels ）。在我们的笔记本顶部，我们应该写下面的内容：

import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt

在本教程中的每个代码块之后，您应该键入ALT + ENTER运行代码并移动到笔记本中的新代码块。 方便地， statsmodels带有内置数据集，因此我们可以将时间序列数据集直接加载到内存中。 我们将使用一个名为“来自美国夏威夷Mauna Loa天文台的连续空气样本的大气CO2”的数据集，其中收集了1958年3月至2001年12月的CO2样本。我们可以引入这些数据：

data = sm.datasets.co2.load_pandas()
co2 = data.data

让我们检查我们的时间序列数据的前5行是什么样子：

print(co2.head(5))

Output              co2
1958-03-29  316.1
1958-04-05  317.3
1958-04-12  317.6
1958-04-19  317.5
1958-04-26  316.4

随着我们的包导入和CO2数据集准备好，我们可以继续索引我们的数据。

第3步 - 使用时间序列数据建立索引

您可能已经注意到，日期已设置为我们的pandas DataFrame的索引。当在Python中使用时间序列数据时，我们应该确保使用日期作为索引，所以请务必检查，我们可以通过运行以下命令：

co2.index

OutputDatetimeIndex(['1958-03-29', '1958-04-05', '1958-04-12', '1958-04-19',
               '1958-04-26', '1958-05-03', '1958-05-10', '1958-05-17',
               '1958-05-24', '1958-05-31',
               ...
               '2001-10-27', '2001-11-03', '2001-11-10', '2001-11-17',
               '2001-11-24', '2001-12-01', '2001-12-08', '2001-12-15',
               '2001-12-22', '2001-12-29'],
              dtype='datetime64[ns]', length=2284, freq='W-SAT')

dtype=datetime[ns]字段确认我们的索引由日期戳对象组成，而length=2284和freq='W-SAT'告诉我们，我们有从周六开始的2,284周的日期戳。 每周的数据可能很难处理，所以让我们使用我们的时间序列的月平均值。这可以通过使用方便的resample函数来获得，这允许我们将时间序列分组为桶（1个月），对每个组应用函数（平均值），并组合结果（每个组一行）。

y = co2['co2'].resample('MS').mean()

这里，术语MS意味着我们以桶为单位对数据进行分组，并确保我们使用每个月的开始作为时间戳：

y.head(5)

Output1958-03-01    316.100
1958-04-01    317.200
1958-05-01    317.120
1958-06-01    315.800
1958-07-01    315.625
Freq: MS, Name: co2, dtype: float64

pandas的一个有趣的特点是它能够处理日期戳索引，这使我们能够快速分割我们的数据。例如，我们可以将数据集切分为仅检索1990后的数据点：

y['1990':]

Output1990-01-01    353.650
1990-02-01    354.650
               ...   
2001-11-01    369.375
2001-12-01    371.020
Freq: MS, Name: co2, dtype: float64

或者，我们可以将我们的数据集分割为仅在1995 10月到1996 10月1995检索数据点：

y['1995-10-01':'1996-10-01']

Output1995-10-01    357.850
1995-11-01    359.475
1995-12-01    360.700
1996-01-01    362.025
1996-02-01    363.175
1996-03-01    364.060
1996-04-01    364.700
1996-05-01    365.325
1996-06-01    364.880
1996-07-01    363.475
1996-08-01    361.320
1996-09-01    359.400
1996-10-01    359.625
Freq: MS, Name: co2, dtype: float64

使用我们的数据正确索引处理时间数据，我们可以移动到可能缺少的处理值。

第4步 - 处理时间序列数据中的缺失值

现实世界的数据往往是凌乱的。从图中我们可以看出，时间序列数据包含缺失值并不罕见。检查这些的最简单的方法是直接绘制数据或使用下面的命令，将显示丢失的数据输出：

y.isnull().sum()

Output5

此输出告诉我们，在我们的时间序列中有5个月缺少值。 一般来说，如果它们不是太多，我们应该“填充”缺失值，以便我们在数据中没有间隙。我们可以使用fillna()命令在fillna()中做到这一点。为了简单起见，我们可以使用我们的时间序列中最接近的非空值填充缺失值，但重要的是要注意滚动平均值有时会更好。

y = y.fillna(y.bfill())

在填充缺失值的情况下，我们可以再次检查是否存在任何空值，以确保我们的操作有效：

y.isnull().sum()

Output0

在执行这些操作后，我们看到我们已经成功地填充了我们的时间序列中的所有缺失值。

第5步 - 可视化时间序列数据

当处理时间序列数据时，可以通过可视化来显示很多。要注意的几件事：

• 季节性 ： 数据是否显示清晰的周期性模式？
• 趋势 ： 数据是否遵循一致的向上或向下斜率？
• 噪声 ： 是否有任何异常点或缺失值与其他数据不一致？

我们可以使用matplotlib API周围的matplotlib包装来显示我们的数据集的图：

y.plot(figsize=(15, 6))
plt.show()

当我们绘制数据时，出现一些可区分的模式。时间序列具有明显的季节性模式，以及总体增长趋势。我们还可以使用称为时间序列分解的方法可视化我们的数据。顾名思义，时间序列分解使我们将时间序列分解为三个不同的组成部分：趋势，季节性和噪声。 幸运的是， statsmodels提供了方便的季节性分解功能来执行季节性分解开箱即用。 如果您有兴趣了解更多，其原始实现的参考可以在以下文章“ STL：A Seasonal-Trend Decomposition Procedure Based on Loess ”中找到 。 下面的脚本显示了如何在Python中执行时间序列季节性分解。默认情况下， seasonal_decompose返回一个相对较小的数字，所以这段代码块的前两行确保输出数据足够大以供我们可视化。

from pylab import rcParams
rcParams['figure.figsize'] = 11, 9

decomposition = sm.tsa.seasonal_decompose(y, model='additive')
fig = decomposition.plot()
plt.show()

使用时间序列分解使得更容易快速识别数据中的变化平均值或变化。上图清楚地显示了我们的数据的上升趋势，以及其每年的季节性。这些可以用来理解我们的时间序列的结构。时间序列分解背后的直觉很重要，因为许多预测方法基于结构化分解的这一概念来产生预测。

结论

如果您遵循本指南，现在您已经掌握了在Python中可视化和操作时间序列数据的经验。 要进一步提高您的技能集，您可以加载另一个数据集，并重复本教程中的所有步骤。例如，您可能希望使用statsmodels库读取CSV文件，或者使用预先装入statsmodels库的statsmodels数据集： data = sm.datasets.sunspots.load_pandas().data 。