为时间序列预测预处理数据

Question

好的，所以我正在研究如何进行时间序列预测。 像往常一样，预处理数据是困难的部分。 我知道我必须将数据文件中的“时间戳”转换为“日期时间”或“时间步长”。

df = pd.read_csv("airpassengers.csv")
month = pd.to_datatime(df['Month'])

（我可能错误地解析了数据时间，我看到人们使用pd.read_csv()来解析数据。如果我这样做了，请告知如何正确执行）

我也了解我扩展数据的部分。 （有人可以向我解释缩放是如何工作的，我知道它会将我的所有数据都转换在我给它的范围内，但是我预测的 output 也会被缩放或其他什么。）

最后，一旦我对数据和时间戳进行了缩放和解析，我将如何使用经过训练的 model 进行实际预测。 我不知道要输入什么（例如） model.predict()我做了一些研究，好像我必须改变我的数据集或其他东西，我不太明白文档在说什么。 该示例与时间序列预测没有直接关系。

我知道这很多，您现在可能能够回答所有问题。 我对此很陌生。 尽你所能提供帮助。 谢谢！

Answer 1

因此，因为您正在使用 airpassengers.csv 并询问预测建模，我假设您正在处理此 github

在我深入回答您的问题之前，我想确保您知道几件事。

• 预测中使用了许多不同类型的预测模型。 你可以在这里找到所有关于它们的信息
• 您提出了很多广泛的问题，但我会将主要问题分为两个步骤，并使用我相信您正在尝试复制的示例来描述正在发生的事情

让我们分解一下

加载和解析数据

import pandas as pd
import numpy as np
import matplotlib.pylab as plt
%matplotlib inline
from matplotlib.pylab import rcParams
rcParams['figure.figsize'] = 15, 6
air_passengers = pd.read_csv("./data/AirPassengers.csv", header = 0, parse_dates = [0], names = ['Month', 'Passengers'], index_col = 0)

这部分代码从 a.csv（逗号分隔值）文件加载数据。 它保存在数据框 air_passengers 中。 Inside the function to read in the csv we also state that there's a header in the first row, the first column is full of dates, the name of our columns is assigned, we index our data frame to the first column.

缩放数据

log_air_passengers = np.log(air_passengers.Passengers)

这样做是为了使数学有意义。 对数是指数的倒数（X^2 与 Log2X 相同）。 使用 numpy 的日志 function 它给了我们自然对数（log e）。 这也称为自然对数。 您的预测值实际上将非常接近百分比变化，您可以这样使用它们

现在数据已经被缩放，我们可以为统计建模做准备

log_air_passengers_diff = log_air_passengers - log_air_passengers.shift()
log_air_passengers_diff.dropna(inplace=True)

这会将数据帧更改为前一个数据点和下一个数据点之间的差异，而不仅仅是日志值本身。

您问题的最后一部分包含太多步骤，无法在此处介绍。 也不是调用单个function那么简单。 我鼓励您从这里了解更多信息