Python は人気のあるプログラミング言語であり、その強力なデータ処理機能と視覚化機能により、データ サイエンスの分野で広く使用されています。時系列分析に関しては、Python は時系列データの処理と分析に役立つ豊富なツールとライブラリを提供します。この記事ではPythonでの時系列分析の例をいくつか紹介します。
1. データの取得
時系列分析で最も一般的に使用されるデータ型は、タイムスタンプ オブジェクトと日付オブジェクトです。 Python の組み込み datetime モジュールは、このタイプのデータを簡単に処理できます。時系列データを取得する場合は、Python pandas ライブラリが提供する read_csv()、read_excel()、read_sql() などのデータ読み取り関数を使用できます。
CSV ファイルから時系列データを読み取るサンプル コードを次に示します。
import pandas as pd
import matplotlib.pyplot as plt
df = pd 。 read_csv('data.csv', parse_dates=['Date'], Index_col='Date')
print(df.head())
この例では、read_csv( ) 関数を使用します。 CSV ファイルを開き、parse_dates パラメーターをリスト ['Date'] に設定して、データ内のタイムスタンプを Python 日付オブジェクトに変換します。さらに、日付列をデータのインデックスとして使用するために、index_col パラメーターを「Date」として指定しました。
2. 時系列の視覚化
Python はさまざまなデータ視覚化ツールを提供しており、その中で最も一般的に使用されているのは matplotlib ライブラリです。 matplotlib の plot() 関数を使用して、時系列データをプロットし、x 軸を時系列に設定できます。以下はサンプル コードです:
plt.plot(df.index, df['Value'])
plt.xlabel('Date')
plt.ylabel('Value')
plt.title('Time Series')
plt.show()
このコードは、時系列データ df の時系列を x 軸として使用し、データ列を y 軸として使用します。 -axis、およびグラフ 横軸と縦軸のラベルとタイトルを設定したら、それらを描画します。
3. 時系列定常性テスト
時系列分析では、通常、データの定常性をテストする必要があります。定常時系列の平均と分散は時間の経過とともに変化しないため、自己回帰モデル (AR) や移動平均モデル (MA) などの堅牢な分析手法を使用できます。
Python の統計ライブラリ statsmodels を使用して、定常性テストを完了できます。このライブラリは、Dickey-Fuller テスト法を使用して時系列データの定常性をテストできる adfuller() 関数を提供します。以下はサンプルコードです:
from statsmodels.tsa.stattools import adfuller
result = adfuller(df['Value'])
print('ADF Statistic: %f' % result[0])
print('p-value: %f' % result[1])
print('Critical Values:')
結果[4].items のキー、値( ):
print(' %s: %.3f' % (key, value))
この例では、必要な時系列として df['Value'] の値を使用します。テスト対象のデータ。関数 adfuller() はテスト結果と主要な統計を返し、分析のために出力します。
4. 時系列の季節分解
時系列分析において、季節分解は重要な分析手法です。 Python ライブラリ statsmodels によって提供されるseasonal_decompose() 関数を使用して、時系列データの季節分解を実行できます。サンプルコードは次のとおりです:
from statsmodels.tsa.seasonal importseasonal_decompose
result =seasonal_decompose(df['Value'], model='multiplicative', period=12)
result.plot()
plt.show()
この例では、分解する必要がある時系列データとして df['Value'] の値を使用し、パラメーター モデルを設定します。 ='multiplicative ' と period=12 はそれぞれ、乗法モデルを使用した分解と 12 か月ごとに発生する年間周期を表します。最後に、分解結果がプロットされて表示されます。
結論
この記事では、データ取得、時系列視覚化、定常性テスト、季節分解など、時系列分析に使用される Python の古典的な例をいくつか紹介します。上記の手法は Python による時系列分析の氷山の一角にすぎませんが、継続的に学習と実践を続けることで、さまざまな時系列分析手法をさらに習得し、より良い結果を得ることができます。
以上がPython での時系列分析の例の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。