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/masterhttp://alkaline-ml.com/pmdarima/modules/generated/pmdarima.datasets.load_wineind.htmlhttps://github.com/robjhyndman/forecastpip install statsmodelspip install pmdarimapip 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 lineswithout knowing anything about our data or optimal hyper parameters.
.. raw:: html
<br/>"""from matplotlib import pyplot as pltimport numpy as npfrom pmdarima import model_selectionimport pmdarima as pmprint(__doc__)
# Author: Taylor Smith <taylor.smith@alkaline-ml.com>
# ############################################################################## Load the data and split it into separate piecesdata = pm.datasets.load_wineind()train, test = model_selection.train_test_split(data, train_size=150)
# Fit a simple auto_arima modelarima = 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)