时间序列分析包括检查随着时间推移收集的数据点,目的是确定可以为未来预测提供信息的模式和趋势。我们已经介绍过很多个时间序列分析库了,但是随着时间推移,新的库和更新也在不断的出现,所以本文将分享8个目前比较常用的,用于处理时间序列问题的Python库。他们是tsfresh, autots, darts, atspy, kats, sktime, greykite。
(相关资料图)
1、Tsfresh
Tsfresh在时间序列特征提取和选择方面功能强大。它旨在自动从时间序列数据中提取大量特征,并识别出最相关的特征。Tsfresh支持多种时间序列格式,可用于分类、聚类和回归等各种应用程序。
import pandas as pdfrom tsfresh import extract_featuresfrom tsfresh.utilities.dataframe_functions import make_forecasting_frame# Assume we have a time series dataset `data` with columns "time" and "value"data = pd.read_csv("data.csv")# We will use the last 10 points to predict the next pointdf_shift, y = make_forecasting_frame(data["value"], kind="value", max_timeshift=10, rolling_direction=1)# Extract relevant features using tsfreshX = extract_features(df_shift, column_id="id", column_sort="time", column_value="value", impute_function=impute)
2、AutoTS
autots是另一个用于时间序列预测的Python库:
提供了单变量和多变量时间序列预测的各种算法,包括ARIMA, ETS, Prophet和DeepAR。为最佳模型执行自动模型集成。提供了上界和下界的置信区间预测。通过学习最优NaN imputation和异常值去除来处理数据。
from autots.datasets import load_monthlydf_long = load_monthly(long=True)from autots import AutoTSmodel = AutoTS(forecast_length=3,frequency="infer",ensemble="simple",max_generations=5,num_validations=2,)model = model.fit(df_long, date_col="datetime", value_col="value", id_col="series_id")# Print the description of the best modelprint(model)
3、darts
darts(Data Analytics and Real-Time Systems)有多种时间序列预测模型,包括ARIMA、Prophet、指数平滑的各种变体,以及各种深度学习模型,如LSTMs、gru和tcn。Darts还具有用于交叉验证、超参数调优和特征工程的内置方法。
darts的一个关键特征是能够进行概率预测。这意味着,不仅可以为每个时间步骤生成单点预测,还可以生成可能结果的分布,从而更全面地理解预测中的不确定性。
import pandas as pdimport matplotlib.pyplot as pltfrom darts import TimeSeriesfrom darts.models import ExponentialSmoothing# Read datadf = pd.read_csv("AirPassengers.csv", delimiter=",")# Create a TimeSeries, specifying the time and value columnsseries = TimeSeries.from_dataframe(df, "Month", "#Passengers")# Set aside the last 36 months as a validation seriestrain, val = series[:-36], series[-36:]# Fit an exponential smoothing model, and make a (probabilistic) # prediction over the validation series’ durationmodel = ExponentialSmoothing()model.fit(train)prediction = model.predict(len(val), num_samples=1000)# Plot the median, 5th and 95th percentilesseries.plot()prediction.plot(label="forecast", low_quantile=0.05, high_quantile=0.95)plt.legend()
4、AtsPy
atspy,可以简单地加载数据并指定要测试的模型,如下面的代码所示。
# Importing packagesimport pandas as pdfrom atspy import AutomatedModel# Reading datadf = pd.read_csv("AirPassengers.csv", delimiter=",")# Preprocessing data data.columns = ["month","Passengers"]data["month"] = pd.to_datetime(data["month"],infer_datetime_format=True,format="%y%m")data.index = data.monthdf_air = data.drop(["month"], axis = 1)# Select the models you want to run:models = ["ARIMA","Prophet"]run_models = AutomatedModel(df = df_air, model_list=models, forecast_len=10)
该包提供了一组完全自动化的模型。包括:
5、kats
kats (kit to Analyze Time Series)是一个由Facebook(现在的Meta)开发的Python库。这个库的三个核心特性是:
模型预测:提供了一套完整的预测工具,包括10+个单独的预测模型、集成、元学习模型、回溯测试、超参数调优和经验预测区间。
检测:Kats支持检测时间序列数据中的各种模式的函数,包括季节性、异常、变化点和缓慢的趋势变化。
特征提取和嵌入:Kats中的时间序列特征(TSFeature)提取模块可以生成65个具有明确统计定义的特征,可应用于大多数机器学习(ML)模型,如分类和回归。
# pip install katsimport pandas as pdfrom kats.consts import TimeSeriesDatafrom kats.models.prophet import ProphetModel, ProphetParams# Read datadf = pd.read_csv("AirPassengers.csv", names=["time", "passengers"])# Convert to TimeSeriesData objectair_passengers_ts = TimeSeriesData(air_passengers_df)# Create a model param instanceparams = ProphetParams(seasonality_mode="multiplicative")# Create a prophet model instancem = ProphetModel(air_passengers_ts, params)# Fit model simply by calling m.fit()m.fit()# Make prediction for next 30 monthforecast = m.predict(steps=30, freq="MS")forecast.head()
6、Sktime
sktime是一个用于时间序列分析的库,它构建在scikit-learn之上,并遵循类似的API,可以轻松地在两个库之间切换。下面是如何使用Sktime进行时间序列分类的示例:
from sktime.datasets import load_arrow_headfrom sktime.classification.compose import TimeSeriesForestClassifierfrom sktime.utils.sampling import train_test_split# Load ArrowHead datasetX, y = load_arrow_head(return_X_y=True)# Split data into train and test setsX_train, X_test, y_train, y_test = train_test_split(X, y)# Create and fit a time series forest classifierclassifier = TimeSeriesForestClassifier(n_estimators=100)classifier.fit(X_train, y_train)# Predict labels for the test sety_pred = classifier.predict(X_test)# Print classification reportfrom sklearn.metrics import classification_reportprint(classification_report(y_test, y_pred))
7、GreyKite
greykite是LinkedIn发布的一个时间序列预测库。该库可以处理复杂的时间序列数据,并提供一系列功能,包括自动化特征工程、探索性数据分析、预测管道和模型调优。
from greykite.common.data_loader import DataLoaderfrom greykite.framework.templates.autogen.forecast_config import ForecastConfigfrom greykite.framework.templates.autogen.forecast_config import MetadataParamfrom greykite.framework.templates.forecaster import Forecasterfrom greykite.framework.templates.model_templates import ModelTemplateEnum# Defines inputsdf = DataLoader().load_bikesharing().tail(24*90) # Input time series (pandas.DataFrame)config = ForecastConfig(metadata_param=MetadataParam(time_col="ts", value_col="count"), # Column names in `df`model_template=ModelTemplateEnum.AUTO.name, # AUTO model configurationforecast_horizon=24, # Forecasts 24 steps aheadcoverage=0.95,# 95% prediction intervals )# Creates forecastsforecaster = Forecaster()result = forecaster.run_forecast_config(df=df, config=config)# Accesses resultsresult.forecast# Forecast with metrics, diagnosticsresult.backtest# Backtest with metrics, diagnosticsresult.grid_search # Time series CV resultresult.model# Trained modelresult.timeseries # Processed time series with plotting functions
总结
我们可以看到,这些时间序列的库主要功能有2个方向,一个是特征的生成,另外一个就是多种时间序列预测模型的集成,所以无论是处理单变量还是多变量数据,它们都可以满足我们的需求,但是具体用那个还要看具体的需求和使用的习惯。
作者:Joanna
关键词:
-
临夏县:乡村振兴教育优先 尊师重教蔚然成风
9月8日,在第39个教师节到来之际,临夏县北塬镇举行“躬耕教坛,强国有
-
西安工业大学明德学院录取分数线?
西安工业大学明德学院是西安工业大学下属的一所全日制本科学院,成立于
-
“一喷多促”提产量 农业专家深入田间做好秋粮管护
央视网消息:眼下,山西省玉米、大豆秋粮作物正处于提升产量的关键期。
-
又一老字号终止创业板IPO!津同仁主动撤单 面临诉讼风险
上会前夕取消审核,时隔一年后,津同仁创业板IPO宣告终止。9月7日晚间
-
天气早知道丨“蓝天白云”高颜值天空来了
这个双休日蓝天白云+东向风体感稍微舒适一些但要小心午后局部的短时阵
-
马基雅维利主义(尼各马可伦理学)
1、《尼各马可伦理学》EthikaNikomachea亚里士多德的伦理学著作。2、据
-
股票行情快报:星球石墨(688633)9月8日主力资金净卖出65.55万元
截至2023年9月8日收盘,星球石墨(688633)报收于33 06元,上涨0 3%,换
-
9月9日上市公司重要公告集锦:中油工程签订30.33亿元施工总承包合同
重要公告广汽集团:8月新能源汽车销量万辆,同比增长%中油工程:签订亿
-
我国秋粮陆续进入成熟期 长势总体正常丰收有希望
人民网北京9月8日电(记者李栋)当前,我国秋粮陆续进入成熟期,距离大
-
新疆喀什:戈壁滩上养出澳洲淡水龙虾
“这是天山雪水养出来的澳洲淡水龙虾,外壳干净活性好,肉质非常紧实。
-
中国香醋市场消费现状 2023中国香醋市场调查研究
香醋主要用于日常饮食,直接客户主要为经销商,之后经由经销商渠道流向
-
摩尔每升等于多少毫克每升 摩尔每升
1、M=mol L=量浓度=摩尔浓度。2、英文:M=molarity=molarconcentration。
-
山东响马安徽贼河南的流光锤是什么意思(山东的响马 四川的贼 河南净是溜光锤 什么意思)
大家好,小乐来为大家解答以上的问题。山东响马安徽贼河南的流光锤是什
-
今日qq登录失败是为什么(qq登录失败怎么回事)
您好,来为大家解答以上问题。qq登录失败是为什么,qq登录失败怎么回事
-
我认为几乎所有人都知道Xposed和RRO主题都可以修改系统的框架
Google几天前在 r AndroidDev上宣布了AMA。AMA已经完成,所以这是我们
-
西北工业大学 华北工业大学
1、华北工业大学不在教育部公布的全国普通高校名单中,媒体披露其虚假
-
香港昨夜暴雨降雨量创1884年有记录以来新高
香港天文台在9月7日晚上11点到午夜之间录得158 1毫米的降雨量,创1884
-
田径世锦赛:中国队首枚奖牌入账 巴希姆无缘男子跳高四连冠
2023年布达佩斯田径世锦赛22日结束第四个比赛日争夺。中国队首枚奖牌入
-
日语就业前景和薪酬分析(日语就业前景和薪酬)
诸多的对于日语就业前景和薪酬分析,日语就业前景和薪酬这个问题都颇为
-
湖北观察丨武汉经开区真金白银助推企业上市 力争2030年上市公司达50家
湖北观察丨武汉经开区真金白银助推企业上市力争2030年上市公司达50家,