课程简介

Python 中的时间序列分析

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

时间序列示例：Google 趋势

时间序列示例：气候数据

时间序列示例：季度收益数据

多序列示例：天然气与取暖油

课程目标

• 学习时间序列模型
• 将数据拟合到时间序列模型
• 用模型预测未来
• 学习在 Python 中使用相关统计包
• 给出这些模型的具体应用示例

一些实用的 Pandas 工具

• 将索引转换为 datetime

    df.index = pd.to_datetime(df.index)
  

• 绘制数据

    df.plot()
  

• 切片数据

    df['2012']
  

一些实用的 Pandas 工具

• 合并两个 DataFrame

    df1.join(df2)
  

• 重采样数据（如日频到周频）

    df = df.resample(rule='W').last()
  

更多 pandas 函数

• 计算时间序列的涨跌幅与差分

    df['col'].pct_change()
    df['col'].diff()
  

• Series 的 pandas 相关系数方法

    df['ABC'].corr(df['XYZ'])
  

• pandas 自相关

    df['ABC'].autocorr()
  

让我们练习吧！

Python 中的时间序列分析