作者：小雨姑娘，康涅狄格大學，Datawhale成員

最近在Kaggle發現了一個關于時間序列比較不錯的kernal，決定翻譯一下搬運過來，大家一起學習交流一下。如果預期不錯的話準備寫四章，分別是時間序列Python基本操作、統計分析、時間序列分解與隨機游走、統計建模分析。

0 數據集

本教程包括兩個數據集（后臺回復“210321”可獲取）：

Google Stocks?Data：提供了長達十三年的股票數據。時間粒度精確到天，提供了每個股票每天的最高價，最低價格以及開盤價格等信息。

Humidity in different world cities：提供了世界各地各個城市的大氣濕度信息，時間粒度為分鐘。

1. 基本操作（一）

1.1 讀取數據

在使用pd.read_csv讀取時間序列時，可以設置兩個參數。使用parse_dates參數可以把指定的列從文本類型轉化為Pandas內置時間類型，使用index_col可以把指定的列轉化為數據集的索引。

google = pd.read_csv('../input/stock-time-series-20050101-to-20171231/GOOGL_2006-01-01_to_2018-01-01.csv', index_col='Date', parse_dates=['Date']) google.head()

另一個數據集也可以以同樣的方法讀入

1.2 數據預處理

股票數據并不存在缺失值，但是天氣濕度數據卻存在缺失值。使用參數為ffill的fillna()函數，用后一時刻的觀測值進行填補。

humidity = humidity.iloc[1:] humidity = humidity.fillna(method='ffill') humidity.head()

1.3 數據可視化

使用pandas Series對象的asfreq[2]函數對時間序列數據以指定頻率作圖。其中M代表以月為基本單位。默認是使用時間窗的結尾作為結果，例如2019年12月這個月的結果實際是12月31號的數據。

humidity["Kansas City"].asfreq('M').plot() plt.title('Humidity in Kansas City over time(Monthly frequency)') plt.show()

google['2008':'2010'].plot(subplots=True, figsize=(10,12)) plt.title('Google stock attributes from 2008 to 2010') plt.savefig('stocks.png') plt.show()

1.4 時間戳與時間窗

時間戳(Timestamps)用來表示某個時間點，時間窗(Periods)用來表示某個時間區間。時間窗常常用來檢測在某個時間段內是否發生了特殊事件。時間戳與時間窗之間也可以相互進行轉換。

創建時間戳：

timestamp = pd.Timestamp(2017, 1, 1, 12) timestamp

創建時間窗：

period = pd.Period('2017-01-01') period

檢測時間戳是否在特定時間窗內

period.start_time < timestamp < period.end_time

將時間戳轉換為時間窗

new_period = timestamp.to_period(freq='H')

將時間窗轉換為時間戳

new_timestamp = period.to_timestamp(freq='H', how='start')

1.5 使用date_range方法

date_range 是一個可以返回多個datetime對象組成的序列的方法。它經常被用于創建連續的時間序列（用法非常簡單，不要再用for循環創建時間序列了！！）

dr1 = pd.date_range(start='1/1/18', end='1/9/18')

也可以指定頻率

dr2 = pd.date_range(start='1/1/18', end='1/1/19', freq='M')

1.6 Datetime對象

pandas.to_datetime() [3]用來將參數轉化為datetime對象。具體使用方法可以看官方文檔

df = pd.DataFrame({'year': [2015, 2016], 'month': [2, 3], 'day': [4, 5]})

df = pd.to_datetime(df) df = pd.to_datetime('01-01-2017')

1.7 平移

除此之外我們還可以把時間序列進行平移。這個方法經常用于比較時間序列與之前是否相關，判斷是否具有延后性。

humidity["Vancouver"].asfreq('M').plot(legend=True) shifted = humidity["Vancouver"].asfreq('M').shift(10).plot(legend=True) shifted.legend(['Vancouver','Vancouver_lagged']) plt.show()

紅色的線是藍色的線往右平移的結果

1.8 重采樣

上采樣—把時間序列從低頻轉化為高頻，其中包含了缺失值的填補與插值操作。

下采樣—把時間序列從高頻轉化為低頻，其中包含了對于數據的聚合操作。

下面代碼使用resample函數，以三天為頻率對數據進行下采樣，然后采用均值方法對數據進行聚合。

pressure = pressure.resample('3D').mean() pressure.head()

2. 基本操作（二）

2.1 相對差異

通過Series對象的shift方法可以將數據平移一個單位，如下圖：

shift前：

shift后：

通過div方法可以實現列與列的逐屬性相除，這樣就可以得到后一天和前一天的比率，用來觀測數據每天的變化情況

google['Change'] = google.High.div(google.High.shift()) google['Change'].plot(figsize=(20,8))

2.2 絕對值差異

除了觀測改變的比率，還可以觀測改變的值

google.High.diff().plot(figsize=(20,6))

2.3 比較多個時間序列

首先讀取另一個時間序列Microsoft的股票

microsoft = pd.read_csv('../input/stock-time-series-20050101-to-20171231/MSFT_2006-01-01_to_2018-01-01.csv', index_col='Date', parse_dates=['Date'])

作圖

google.High.plot() microsoft.High.plot() plt.legend(['Google','Microsoft']) plt.show()

但是由于谷歌和微軟單個股票的價格差異過大，很難比較，所以使用時間序列的第一個值進行標準化（思考一下，使用第一個值進行標準化其實并不是特別魯棒）

normalized_google = google.High.div(google.High.iloc[0]).mul(100) normalized_microsoft = microsoft.High.div(microsoft.High.iloc[0]).mul(100) normalized_google.plot() normalized_microsoft.plot() plt.legend(['Google','Microsoft']) plt.show()

這樣就可以顯然看出買谷歌比買微軟掙得多

2.4 數據平滑

數據平滑可以用來檢測時間序列在一定時期的趨勢，分為rolling與expanding兩個方法。其中rolling考慮幾個時間窗內的數據，expanding考慮之前所有數據。

下面代碼是以90天為單位的時間窗對數據進行平滑的效果，可以發現平滑后的數據更加穩健。

rolling_google = google.High.rolling('90D').mean() google.High.plot() rolling_google.plot() plt.legend(['High','Rolling Mean']) plt.show()

下面的expanding方法的結果

microsoft_mean = microsoft.High.expanding().mean() microsoft_std = microsoft.High.expanding().std() microsoft.High.plot() microsoft_mean.plot() microsoft_std.plot() plt.legend(['High','Expanding Mean','Expanding Standard Deviation']) plt.show()

2.5 OHLC圖

OHLC圖是專門針對時間序列的一種圖，其中四個字母的含義如下：open, high, low and close price。這好像就是我媽看股票的時候的那個圖。

使用這個庫就可以畫出來 import plotly.graph_objs as go

trace = go.Ohlc(x=google['06-2008'].index,open=google['06-2008'].Open,high=google['06-2008'].High,low=google['06-2008'].Low,close=google['06-2008'].Close) data = [trace] iplot(data, filename='simple_ohlc')

這個圖主要可以看出來當天是跌了還是漲了，然后變了多少。

2.6 K線圖

好像也是股票中常見的一種圖，不是特別重要，能看懂就可以。

trace = go.Candlestick(x=google['03-2008'].index,open=google['03-2008'].Open,high=google['03-2008'].High,low=google['03-2008'].Low,close=google['03-2008'].Close) data = [trace] iplot(data, filename='simple_candlestick') 缺圖

2.7 自相關性與偏自相關性

• 自相關性

表示當前時間與它之前不同時間點之間的相關性

• 偏自相關性

表示當前時間與它之前不同時間點之間，去除了中間時間干擾的相關性。自相關性就是時間與時間的相關性，偏自相關性是剔除了。

對他們的影響之后再計算的相關性。至于怎么計算的可以參考博客：
https://blog.csdn.net/weixin_42382211/article/details/81136787

自相關：

plot_acf(humidity["San Diego"],lags=25,title="San Diego") plt.show()

這樣看基本所有滯后的時間長度都存在相關性，在滯后12、13天的時候相關性最低，但是都超過了置信區間（圖中藍色的區域）

偏自相關：

plot_pacf(humidity["San Diego"],lags=25) plt.show()

看起來所有時間跨度都具有顯著性，但是除了前兩個，偏自相關性都很弱。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 本站qq群851320808，加入微信群請掃碼：“整理不易，點贊三連↓

總結

以上是生活随笔為你收集整理的【机器学习基础】相当全面的时间序列基础教程总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。