Python 對data.csv進行預測分析

data.csv數據如下：

 

一、對data.csv數據進行分析與繪圖

讀取數據

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

inputfile = 'data/data/data.csv' # 輸入的數據文件
data = pd.read_csv(inputfile) # 讀取數據

1、描述性統計分析

description = [data.min(), data.max(), data.mean(), data.std()]  # 依次計算最小值、最大值、均值、標准差
description = pd.DataFrame(description, index = ['Min', 'Max', 'Mean', 'STD']).T  # 將結果存入數據框
print('描述性統計結果：\n',np.round(description, 2))  # 保留兩位小數

 

 

 

 2、相關性分析

corr = data.corr(method = 'pearson')  # 計算相關系數矩陣
print('相關系數矩陣為：\n',np.round(corr, 2))  # 保留兩位小數

 

 

3、繪制熱力圖

import matplotlib.pyplot as plt
import seaborn as sns
plt.subplots(figsize=(10, 10)) # 設置畫面大小 
sns.heatmap(corr, annot=True, vmax=1, square=True, cmap="Blues") 
plt.title('相關性熱力圖')
plt.show()
plt.close

 

 二、灰色預測+SVR預測

import sys
sys.path.append('../code')  # 設置路徑
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.svm import LinearSVR

inputfile = 'data/new_reg_data_GM11.xls'  # 灰色預測后保存的路徑
data = pd.read_excel(inputfile)  # 讀取數據
feature = ['x1', 'x4', 'x5', 'x6', 'x7', 'x8'] # 屬性所在列
data_train = data.iloc[0:20].copy()  # 取2014年前的數據建模

data_mean = data_train.mean()
data_std = data_train.std()
data_train = (data_train - data_mean)/data_std  # 數據標准化

x_train = data_train[feature].values  # 屬性數據
y_train = data_train['y'].values  # 標簽數據

linearsvr = LinearSVR()  # 調用LinearSVR()函數
linearsvr.fit(x_train,y_train)
x = ((data[feature] - data_mean[feature])/data_std[feature]).values  # 預測，並還原結果。
data['y_pred'] = linearsvr.predict(x) * data_std['y'] + data_mean['y']
outputfile = 'data/new_reg_data_GM11_revenue.xls'  # SVR預測后保存的結果
data.to_excel(outputfile)

print('真實值與預測值分別為：\n',data[['y','y_pred']])

fig = data[['y','y_pred']].plot(subplots = True, style=['b-o','r-*'])  # 畫出預測結果圖
plt.show()

 

 2014年與2015年的預測結果如下：

 三、ARIMA模型

import pandas as pd
discfile = 'data/data/data.csv'
data = pd.read_csv(discfile)

# 時序圖
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負號
data.plot()
plt.show()

# 自相關圖
from statsmodels.graphics.tsaplots import plot_acf
plot_acf(data['y']).show()

# 平穩性檢測
from statsmodels.tsa.stattools import adfuller as ADF
print('原始序列的ADF檢驗結果為：', ADF(data['y']))

# 差分后的結果
D_data = data.diff().dropna()
D_data.columns = ['x1','x2','x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x9', 'x10', 'x11', 'x12', 'x13', 'y']
D_data.plot()  # 時序圖
plt.show()
plot_acf(D_data['y']).show()  # 自相關圖
from statsmodels.graphics.tsaplots import plot_pacf
plot_pacf(D_data['y']).show()  # 偏自相關圖
print('差分序列的ADF檢驗結果為：', ADF(D_data['y']))  # 平穩性檢測

# 白噪聲檢驗
from statsmodels.stats.diagnostic import acorr_ljungbox
print('差分序列的白噪聲檢驗結果為：', acorr_ljungbox(D_data['y'], lags=1))  # 返回統計量和p值


from statsmodels.tsa.arima_model import ARIMA
# 定階
data['y'] = data['y'].astype(float) 
pmax = int(len(D_data)/10)  # 一般階數不超過length/10
qmax = int(len(D_data)/10)  # 一般階數不超過length/10
bic_matrix = []  # BIC矩陣
for p in range(pmax+1):
  tmp = []
  for q in range(qmax+1):
    try:  # 存在部分報錯，所以用try來跳過報錯。
      tmp.append(ARIMA(data['y'], (p,1,q)).fit().bic)
    except:
      tmp.append(None)
  bic_matrix.append(tmp)

bic_matrix = pd.DataFrame(bic_matrix)  # 從中可以找出最小值

p,q = bic_matrix.stack().idxmin()  # 先用stack展平，然后用idxmin找出最小值位置。
print('BIC最小的p值和q值為：%s、%s' %(p,q)) 
model = ARIMA(data['y'], (p,1,q)).fit()  # 建立ARIMA(0, 1, 1)模型
print('模型報告為：\n', model.summary2())
print('預測未來2年，其預測結果、標准誤差、置信區間如下：\n', model.forecast(5))

時序圖：

 

 自相關圖：

 

 差分后的時序圖、自相關圖、偏自相關圖：

 

 

 

 

 

 模型報告如下：

 

 

灰色預測與SVR預測效果比ARIMA預測效果好