Python 3 时间序列可视化指南

简介

时间序列分析属于统计学的一个分支，涉及对有序的、通常是时间性的数据进行研究。当适当应用时，时间序列分析可以揭示意想不到的趋势，提取有用的统计数据，甚至预测未来的趋势。因此，它被应用于许多领域，包括经济学、天气预报和容量规划等。

在本教程中，我们将介绍时间序列分析中使用的一些常见技术，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。处理大型数据集可能会占用大量内存，因此在任何情况下，计算机都需要至少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。如果您尚未安装，请按照我们的教程安装和设置Python 3的Jupyter Notebook。

步骤1 — 安装软件包

我们将利用pandas库，它在处理数据时提供了很大的灵活性，以及statsmodels库，它允许我们在Python中进行统计计算。这两个库的结合扩展了Python的功能，显著增加了我们的分析工具包。

与其他Python软件包一样，我们可以使用pip安装pandas和statsmodels。首先，让我们进入本地编程环境或基于服务器的编程环境：

cd environments

. my_env/bin/activate

从这里开始，让我们为我们的项目创建一个新目录。我们将其命名为timeseries，然后进入该目录。如果您将项目命名为其他名称，请确保在整个指南中用您的名称替换timeseries。

mkdir timeseries
cd timeseries

现在，我们可以安装pandas、statsmodels和数据绘图包matplotlib。它们的依赖项也将被安装：

pip install pandas statsmodels matplotlib

到目前为止，我们已经准备好开始使用pandas和statsmodels进行工作。

步骤2 — 加载时间序列数据

要开始处理我们的数据，我们将启动Jupyter Notebook：

jupyter notebook

要创建一个新的笔记本文件，请从右上角的下拉菜单中选择New > Python 3：

!创建一个新的Python 3笔记本

这将打开一个笔记本，允许我们加载所需的库（请注意，我们使用了标准的缩写来引用pandas、matplotlib和statsmodels）。在我们的笔记本顶部，我们应该写入以下内容：

import pandas as pd
import statsmodels