时间序列数据分析海洋大数据分析与应用天津海运职业课件

新知传授任务实施课堂小结时间序列数据分析《海洋大数据分析与应用》天津海运职业学院新课导入学习目标课中讲授实操演练课堂小结了解熟悉掌握掌握了解什么是时间序列，ARIMA12掌握时间序列的基本操作掌握时期，重采样34熟悉滑动窗口的使用新课导入学习目标课中讲授实操演练课堂小结思考：什么是时间序列？新知讲授课中讲授实操演练课堂小结新课导入课中讲授大国崛起，树立民族自豪感和社会责任感

通过智能机器人，能够在线问诊；医院采用的智能机器人能够代替医护人员，为患者送药送餐等引出我国在5G、大数据、人工智能等高科技领域取得世界领先地位,树立民族自豪感，同时让我们的学子们清醒地认识到我国在智能制造诸多核心技术领域依然处在世界低端水平，祖国的未来，需要我们发奋学习，努力拼搏，进而激发学生们的社会责任感。新知讲授课中讲授实操演练课堂小结新课导入课中讲授时间序列的数据主要有以下几种：时间戳表示特定的时刻，比如现在。时期比如2018年或者2018年10月。时间间隔由起始时间戳和结束时间戳表示。时间序列是指多个时间点上形成的数值序列，它既可以是定期出现的，也可以是不定期出现的。新知讲授课中讲授实操演练课堂小结新课导入课中讲授创建时间序列Pandas中，时间戳使用Timestamp（Series派生的子类）对象表示。该对象与datetime具有高度的兼容性，可以直接通过to_datetime()函数将datetime转换为TimeStamp对象。pd.to_datetime('20180828')新知讲授课中讲授实操演练课堂小结新课导入课中讲授创建时间序列在Pandas中，最基本的时间序列类型就是以时间戳为索引的Series对象。date_ser=pd.Series([11,22,33],index=date_index)2018-08-20112018-08-28222018-09-0833新知讲授课中讲授实操演练课堂小结新课导入课中讲授创建时间序列还可以将包含多个datetime对象的列表传给index参数，同样能创建具有时间戳索引的Series对象。date_list=[datetime(2018,1,1),datetime(2018,1,15]time_se=pd.Series(np.arange(6),index=date_list)新知讲授课中讲授实操演练课堂小结新课导入课中讲授创建固定频率的时间序列Pandas中提供了一个date_range()函数，主要用于生成一个具有固定频率的DatetimeIndex对象。date_range(start=None,end=None,periods=None,freq=None,tz=None,normalize=False,name=None,closed=None，**kwargs)start：表示起始日期，默认为None。end：表示终止日期，默认为None。periods：表示产生多少个时间戳索引值。freq：用来指定计时单位。新知讲授课中讲授实操演练课堂小结新课导入课中讲授start、end、periods、freq这四个参数至少要指定三个参数，否则会出现错误。创建固定频率的时间序列矩不正，不可为方；规不正，不可为圆

由严格的语法规则引入“矩不正，不可为方；规不正，不可为圆”。引导学生做人做事需要遵守规则，教育学生遵守学校各项规章制度，遵守国家法律法规，做一个守法的好公民，只有每一个人都严格做到遵纪守法，学校、社会和国家才能够正常运行。新知讲授课中讲授实操演练课堂小结新课导入课中讲授当调用date_range()函数创建DatetimeIndex对象时，如果只是传入了开始日期（start参数）与结束日期（end参数），则默认生成的时间戳是按天计算的，即freq参数为D。pd.date_range('2018/08/10','2018/08/20')创建固定频率的时间序列新知讲授课中讲授实操演练课堂小结新课导入课中讲授创建固定频率的时间序列如果只是传入了开始日期或结束日期，则还需要用periods参数指定产生多少个时间戳。pd.date_range(start='2018/08/10',periods=5)pd.date_range(end='2018/08/10',periods=5)新知讲授课中讲授实操演练课堂小结新课导入课中讲授时间序列的频率、偏移量列举时间序列基础频率新知讲授课中讲授实操演练课堂小结新课导入课中讲授时间序列的移动移动是指沿着时间轴方向将数据进行前移或后移。新知讲授课堂小结新课导入课中讲授课中讲授实操演练案例—股票预测分析#读取历史股票数据

data_path

=(r'C:\Users\admin\Desktop\五粮液股票数据.csv’)

shares_info

=

pd.read_csv(data_path)

#将“交易日期”一列设置为行索引dates=pd.to_datetime(shares_info['交易日期'].values,

format='%Y%m%d’)shares_info=shares_info.set_index(dates)

新知讲授课堂小结新课导入课中讲授课中讲授实操演练案例—股票预测分析plt.plot(shares_info['收盘价’])plt.title('股票每日收盘价’)plt.show()新知讲授课堂小结新课导入课中讲授课中讲授实操演练案例—股票预测分析#按周重采样

shares_info_week

=

shares_info['收盘价'].resample('W-MON').mean()#训练数据

train_data

=

shares_info_week['2014':'2017’]plt.plot(train_data)plt.title('股票周收盘价均值’)plt.show()

新知讲授课堂小结新课导入课中讲授课中讲授实操演练案例—股票预测分析train_diff

=

train_data.diff()diff=train_diff.dropna()plt.figure()plt.plot(diff)plt.title('一阶差分’)plt.show()

新知讲授课堂小结新课导入课中讲授课中讲授实操演练案例—股票预测分析pred_vals

=

arima_result.predict('2018-01-01','2018-02-26’,

dynamic=True,typ='levels’)stock_forcast

=

pd.concat([shares_info_week,pred_vals],

axis=1,keys=['original','predicted’])plt.figure()plt.plot(stock_forcast)plt.title('真实值vs预测值’)plt.show()

课堂小结新课导入课中讲授课中讲授实操演练课堂小结本章主要介绍了Pandas中用于处理时间序列的相关内容，包括创建时间序列、时间戳索引和切片操作、固定频率的时间序列，最后开发了一个股票预测分析的案例。通过对本章内容的学习，读者应该掌握处理时间序列数据的一些技巧，并灵活加以运用。反复修改，精益求精，工匠精神

通过分享中国新冠疫苗从开