时间序列分析-无模型

本节内容介绍了无模型的时间序列分析方法，包括时间序列作趋势图、逐年分解、时间序列分解、直方图、ACF与PACF图，主要是作图。

首先导入数据和对应的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.tsa.stattools import adfuller
df = pd.read_csv("SARIMA数据.csv")

在对时间序列进行分析前，务必将数据df的时间列转化为时间序列数据，并设置为索引：

import datetime as dt
tt = []
for i in df["时间"]:
    a = dt.datetime.strptime(i,'%Y/%m/%d')
    b = dt.datetime.strftime(a,'%Y-%m-%d')
    tt.append(b)
df['date'] = tt
df['date'] = pd.to_datetime(df['date'])  # 将指定列转换为日期时间格式
df.set_index('date', inplace=True)

一、时间序列趋势图

plt.figure(figsize=(10, 4))
plt.plot(df.ind