使用Python做数据分析学习前的准备
以下出现的所有的链接都是有用的链接,自己考虑科学上网的问题。
https://gitee.com/davylw/datasets/tree/master
http://alkaline-ml.com/pmdarima/modules/generated/pmdarima.datasets.load_wineind.html
https://github.com/robjhyndman/forecast
pip install statsmodels
pip install pmdarima
pip install forecast
这些事必须要安装的库,注意提前更改源的问题
https://pkg.yangzhuoranyang.com/tsdl/
git clone https://gitee.com/davylw/datasets.git
这里找到了有个数据集
但是code的数据编辑功能羸弱,需要下载别的
https://sourceforge.net/projects/openofficeorg.mirror/
http://www.openoffice.org/download/
http://www.dayanzai.me/?s=%E5%8A%9E%E5%85%AC
我这里用这个,因为office得破解,下载什么的。我不感兴趣
就转开源的
软件友好,中文自带
这里看一下有什么,内容很多。自己按需去安装
我就不演示了
这里把所有都注册了
安装过后的所有组件
测试以恶搞数据库,欧克
打开一个csv的文件,也好使
这里要夸的一点就是,GUI的文本方向
我第一次见
同时也可以使用一些函数
from pmdarima.datasets import load_winein
我们这里可以测试一个数据集
load_wineind(True).head()
我这里还收集了一个数据基,在包里面
"""
=======================
Simple auto_arima model
=======================
This is a simple example of how we can fit an ARIMA model in several lines
without knowing anything about our data or optimal hyper parameters.
.. raw:: html
<br/>
"""
from matplotlib import pyplot as plt
import numpy as np
from pmdarima import model_selection
import pmdarima as pm
print(__doc__)
# Author: Taylor Smith <taylor.smith@alkaline-ml.com>
# #############################################################################
# Load the data and split it into separate pieces
data = pm.datasets.load_wineind()
train, test = model_selection.train_test_split(data, train_size=150)
# Fit a simple auto_arima model
arima = pm.auto_arima(train, error_action='ignore', trace=True,
suppress_warnings=True, maxiter=10,
seasonal=True, m=12)
# #############################################################################
# Plot actual test vs. forecasts:
x = np.arange(test.shape[0])
plt.scatter(x, test, marker='x')
plt.plot(x, arima.predict(n_periods=test.shape[0]))
plt.title('Actual test samples vs. forecasts')
plt.show()
也可以和方便的使用时间分析法
稍等片刻就会出现结果啦
赞 (0)