如何在Python中預處理時間序列數據以進行預測

Question

我正在嘗試准備一些時間序列數據（Forex），以便在Python中進行預測。 該計划是將時間序列轉換為一個二維Numpy數組，該數組將通過PypeR作為R矩陣傳遞給R，以訓練ANFIS（自適應神經模糊推理系統）進行預測。 （我之所以經歷如此復雜的過程，純粹是出於學術考慮。）這將要求前n列為最后n個數據點，第（n +1）列為當前/預測值。

請考慮以下數據點：

Date    AUD-USD
9/1/1999    0.6452
9/2/1999    0.6466
9/3/1999    0.6466
9/4/1999    0.6466
9/5/1999    0.6459
9/6/1999    0.6494
9/7/1999    0.6479
9/8/1999    0.653
9/9/1999    0.6512

為了簡單起見，假設前面的五個點將用作預測下一個數據點的輸入。 然后，該數組應類似於：

            t - 5   t - 4   t - 3   t - 2   t - 1   t
9/6/1999    0.6452  0.6466  0.6466  0.6466  0.6459  0.6494
9/7/1999    0.6466  0.6466  0.6466  0.6459  0.6494  0.6479
9/8/1999    0.6466  0.6466  0.6459  0.6494  0.6479  0.653
9/9/1999    0.6466  0.6459  0.6494  0.6479  0.653   0.6512

減去日期（為清楚起見，僅在此處）。

問題是這樣的：是否有一個現有的Python函數或庫可以實現所需的結果？ 還是最好通過一系列循環手動完成？ 另外，這個過程叫做什么嗎？ 對於Google來說，我似乎找不到解決方案，所以也許我只是不知道該說什么。

Answer 1

您可以輕松地在一行中構造移位數組。 在這里，我使用了整數范圍來幫助您了解發生了什么-只需將A替換為您的數據即可。

import numpy as np

A = np.arange(10)
cut = 6
B = np.array([A[k-cut:k] for k in xrange(cut,A.size)])
print B

給予：

[[0 1 2 3 4 5]
 [1 2 3 4 5 6]
 [2 3 4 5 6 7]
 [3 4 5 6 7 8]]

要解析日期，請嘗試查看熊貓，這是一個出色的數據處理庫，尤其是在涉及日期時。