Python数据分析--时间序列周期规律

原创

MiaoGIS

发布于 2022-05-19 17:14:41

2.3K0

发布于 2022-05-19 17:14:41

文章被收录于专栏：Python in AI-IOTPython in AI-IOT

时间序列数据（经济，气象，活动现象等）可能拥有季节性规律，通常使用AR(自回归)，MA（滑动均值），ARIMA（滑动均值自回归）等模型来发现其中潜在的规律。

下面用数据分析库statsmodels中的seasonal_decompose函数来分析某国控站点监测的空气质量历史数据：

代码如下：

import os
import pandas as pd
import matplotlib.pylab as plt
import statsmodels.tsa.seasonal as sm_seasonal

dataDir='D:/DataC/db/air'
 
def getData(start,end,station):
    date_range=pd.date_range(start,end,freq='d')  
    dfs=[]
    for date in date_range:
        dataFile='%s.pkl'%date.strftime('%Y-%m-%d')
        dataFile=os.path.join(dataDir,dataFile)      
        if not os.path.exists(dataFile):
            continue
        df0=pd.read_pickle(dataFile)
        df0=df0[df0.SITECODE==station]
        dfs.append(df0)
    df=pd.concat(dfs)   
    return df
            
def seasonPlot(df,factor):
   
    series=df[factor].fillna(0)
    decomposeResult=sm_seasonal.seasonal_decompose(series)
    fig=decomposeResult.plot()
    ax0,*axes=tuple(fig.get_axes())
    for ax in axes:
        ax.sharex(ax0) 
    plt.show()

if __name__=='__main__':
    start='2019'
    end='2020'
    station='2567A'
    factor='O3'
    #以原始小时数据分析
    df=getData(start,end,station)
    df0=df.set_index('MONITORTIME',inplace=True)
    df0=df.asfreq('H') 
    seasonPlot(df0,factor)
    #采样为日数据重新分析
    df0=df0.resample('D').mean()

    seasonPlot(df0,factor)

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

数据分析