首页 > 编程语言 >Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据

时间:2022-11-09 12:32:01浏览次数:66  
标签:loc ARIMAX 商店 Python ARIMA df pd exog


本文在相对简单的​​数据集​​上探索不同的时间序列技术。

给定 5 年的商店商品销售数据,并要求您预测 10 家不同商店的 50 种不同商品在 3 个月内的销售额。

处理季节性的最佳方法是什么?商店应该单独建模,还是可以将它们合并在一起?

商店项目需求预测

自回归综合移动平均线 (ARIMA)

这 ​​ARIMA​​ 模型是可应用于非平稳​​时间序列​​的 ARMA 模型的推广。

  1.  import time
  2.  import pandas as pd
  3.   
  4.  %matplotlib inline

加载数据

  1.  d_trn = pd.rad_csv('../inuraicsv, prse_tes=date'], inx_col['te'])
  2.  d_ts = pd.ra_csv'../iputst.csv', prse_des=['date'], ine_col['d

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_数据

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_python_02

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_时间序列_03

所有商店似乎都显示出相同的趋势和季节性。

ARIMAX

带解释变量的自回归综合移动平均线 (ARIMAX) 是 ARIMA 的扩展版本,其中包括独立的预测变量。

准备数据

  1.  mnths = df_rinindx.nth
  2.   
  3.  df_ran.drpna(iplac=True)
  4.  d_trin.head()

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_python_04

  1.  import datetime
  2.   
  3.  dumymns = pd.get_dummies(moth)
  4.   
  5.  prev_uate_dates = d_tet_x.index - datie.timedelta(das=91)
  6.  dfetex.head()

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_python_05

构建模型

  1.  si1 = d_rin.loc[(d_tin['store'] == 1) & (_tran['ie'] == 1), 'ses']
  2.  exog_s1i1 = df_train.loc[(df_train['store'] == 1) & (df_train['item'] ==
  3.   
  4.   
  5.  ax = SARIMAX(si1.loc['2013-12-31':], exog=exog
  6.  nfoceinvetiblity=alse,enforce_ationarity=False,

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_数据_06

作出预测


1.   
2. nog = df_rai.loc[(ftrin['str'] == s) & (df_rin['te'] == i), 'als']
3.
4. SARIMAX(endog=edog exog=xo,
5. enorce_invtiilit=False, eorce_statnarityFalse, freq='D',
6. order=(7,0,0)).fit()
7.
8. tc = time.time()

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_时间序列_07

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_时间序列_08

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_python_09

示例预测

  1.  xg = f_rin.loc[(df_rin[ste'] == 10) & (d_tri['itm'] == 50)].drop(['', 'ite', 'sas'], axis=1)
  2.  forast = arax.predict

Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_数据_10


Python用ARIMA ,ARIMAX预测商店商品销售需求时间序列数据_时间序列_11

标签:loc,ARIMAX,商店,Python,ARIMA,df,pd,exog
From: https://blog.51cto.com/u_14293657/5835852

相关文章

  • Python+Selenium+Firefox配置环境
    PythonSeleniumFirefox及geckodriver有版本兼容的问题,这里本着懒癌的原则使用最新版的Selenium+Firefox和geckodriver。准备环境Python:3.7Firefox:66geckodriver:0.2......
  • Python xlsx 导出格式化
    前言Python文件导出最简单方法是pandas中的to_excel。如何生成具有一定简单格式的文本?个人感觉xlsxwriter无论是文档还是使用方法个人感觉都很赞。目标适用web文件流导......
  • Python|使用Flask进行Web开发
    基础知识Flask是一个用Python编写的Web应用程序框架。它由ArminRonacher开发,他领导一个名为Pocco的国际Python爱好者团队。Flask基于WerkzeugWSGI工具包和Jinja2模......
  • python应用——借助tinify库实现批量压缩图片
    说在前面的话:转到移动组之后,干起了移动端混合开发,虽说现在的混合开发技术在不断的迭代了,但对比起网页应用来说有一些先天的不足,诸如,硬件性能就是很大的一方面。在pc上调......
  • python(27)反射机制
    1.什么是反射?它的核心本质其实就是基于字符串的事件驱动,通过字符串的形式去操作对象的属性或者方法 2.反射的优点一个概念被提出来,就是要明白它的优点有哪些,这样我......
  • Python 判断字符串是否为数字
    最近的一个小软件,遇到了一个问题就是需要把字符串转成数字,可字符串中有时候会出来特殊字符。所以只需要做一个转换函数才可以的。下面这个函数比较凑效。这里做一个笔记本......
  • python3执行pip list出现警告
    python3执行piplist出现警告WARNING:Youareusingpipversion21.2.3;however,version22.3.1isavailable.Youshouldconsiderupgradingviathe'F:\Python39......
  • 利用python数据分析
    利用python进行数据分析本书由Pythonpandas项目创始人WesMcKinney亲笔撰写,详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第2版针对P......
  • 盘点一个Python处理Excel两列单元格中有类似字符串就返回1,没有就返回0的操作
    大家好,我是Python进阶者。一、前言前几天在才哥的Python交流群遇到了一个粉丝提问,提问截图如下:觉得还挺有意思的,都是Pandas基础操作,这里拿出来给大家一起分享下。二、......
  • python get请求传array数组
    前言使用传统的http发get请求时,如果传参为array数组,参数名称为a时,可以这样传值a=1&a=2&a=3,但是当只有一个时,这种方式就不合理了。get请求还有另外一种方式传array数组,在......