输入数据txt格式：
2017-05-01 100
2017-05-02 200
…….
python 实现arima：
# encoding: utf-8
"""
function：时间序列预测ARIMA模型预测每天的销售额
author:dongli
date:2018-05-25
"""
# 导入库
import numpy as np # numpy库
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf # acf和pacf展示库
from statsmodels.tsa.stattools import adfuller # adf检验库
from statsmodels.stats.diagnostic import acorr_ljungbox # 随机性检验库
from statsmodels.tsa.arima_model import ARMA # ARMA库
import matplotlib.pyplot as plt # matplotlib图形展示库
import prettytable # 导入表格库
import pandas as pd #导入数据处理库
from datetime import datetime,timedelta #导入时间库
import warnings
import time
time1=time.time()
from sklearn.externals import joblib #模型导出
# 忽略提醒
warnings.filterwarnings("ignore")
# 把字符串转成datetime
def string_toDatetime(string):
'''
:param string: 日期字符串
:return: 返回日期格式数据
'''
return datetime.strptime(string, "%Y-%m-%d")
# 定义一个日期列表
def datelist(beginDate, endDate):
'''
:beginDate string: 日期字符串
:endDate string: 日期字符串
:return: 返回日期格式列表
'''
# beginDate, endDate是形如‘20160601’的字符串或datetime 2018-04-23格式
date_l=[datetime.strftime(x,'%Y-%m-%d') for x in list(pd.date_range(start=beginDate, end=endDate))]
return date_l
# 多次用到的表格
def pre_table(table_name, table_rows):
'''
:param table_name: 表格名称，字符串列表
:param table_rows: 表格内容，嵌套列表
:return: 展示表格对象
'''
table = prettytable.PrettyTable() # 创建表格实例
table.field_names = table_name # 定义表格列名
for i in table_rows: # 循环读多条数据
table.add_row(i) # 增加数据
return table
# 数据平稳处理
def get_best_log(ts, max_log=5, rule1=True, rule2=True):
'''
:param ts: 时间序列数据，Series类型
:param max_log: 最大log处理的次数，int型
:param rule1: rule1规则布尔值，布尔型
:param rule2: rule2规则布尔值，布尔型
:return: 达到平稳处理的最佳次数值和处理后的时间序列
'''
if rule1 and rule2: # 如果两个规则同时满足
return 0, ts # 直接返回0和原始时间序列数据
else: # 只要有一个规则不满足
for i in range(1, max_log): # 循环做log处理
ts = np.log(ts) # log处理
adf, pvalue1, usedlag, nobs, critical_values, icbest = adfuller(ts) # 稳定性（ADF）检验
lbvalue, pvalue2 = acorr_ljungbox(ts, lags=1) # 白噪声（随机性）检验
rule_1 = (adf < critical_values['1%'] and adf < critical_values['5%'] and adf < critical_values['10%'] and pvalue1 < 0.01) # 稳定性（ADF）检验规则
rule_2 = (pvalue2 < 0.05) # 白噪声（随机性）规则
rule_3 = (i < 5)
if rule_1 and rule_2 and rule_3: # 如果同时满足条件
# print ('The best log n is: {0}'.format(i)) # 打印输出最佳次数
return i, ts # 返回最佳次数和处理后的时间序列
# 还原经过平稳处理的数据
def recover_log(ts, log_n):
'''
:param ts: 经过log方法平稳处理的时间序列，Series类型
:param log_n: log方法处理的次数，int型
:return: 还原后的时间序列
'''
for i in range(1, log_n + 1): # 循环多次
ts = np.exp(ts) # log方法还原
return ts # 返回时间序列
# 稳定性（ADF）检验
def adf_val(ts, ts_title, acf_title, pacf_title):
'''
:param ts: 时间序列数据，Series类型
:param ts_title: 时间序列图的标题名称，字符串
:param acf_title: acf图的标题名称，字符串
:param pacf_title: pacf图的标题名称，字符串
:return: adf值、adf的p值、三种状态的检验值
'''
# plt.figure()
# plt.plot(ts) # 时间序列图
# plt.title(ts_title) # 时间序列标题
# plt.show()
# plot_acf(ts, lags=20, title=acf_title).show() # 自相关检测
# plot_pacf(ts, lags=20, title=pacf_title).show() # 偏相关检测
adf, pvalue, usedlag, nobs, critical_values, icbest = adfuller(ts) # 稳定性（ADF）检验
table_name = ['adf', 'pvalue', 'usedlag', 'nobs', 'critical_values', 'icbest'] # 表格列名列表
table_rows = [[adf, pvalue, usedlag, nobs, critical_values, icbest]] # 表格行数据，嵌套列表
adf_table = pre_table(table_name, table_rows) # 获得平稳性展示表格对象
# print ('stochastic score') # 打印标题
# print (adf_table) # 打印展示表格
return adf, pvalue, critical_values, # 返回adf值、adf的p值、三种状态的检验值
# 白噪声（随机性）检验
def acorr_val(ts):
'''
:param ts: 时间序列数据，Series类型
:return: 白噪声检验的P值和展示数据表格对象
'''
lbvalue, pvalue = acorr_ljungbox(ts, lags=1) # 白噪声检验结果
table_name = ['lbvalue', 'pvalue'] # 表格列名列表
table_rows = [[lbvalue, pvalue]] # 表格行数据，嵌套列表
acorr_ljungbox_table = pre_table(table_name, table_rows) # 获得白噪声检验展示表格对象
# print ('stationarity score') # 打印标题
# print (acorr_ljungbox_table) # 打印展示表格
return pvalue # 返回白噪声检验的P值和展示数据表格对象
# arma最优模型训练
def arma_fit(ts):
'''
:param ts: 时间序列数据，Series类型
:return: 最优状态下的p值、q值、arma模型对象、pdq数据框和展示参数表格对象
'''
max_count = int(len(ts) / 10) # 最大循环次数最大定义为记录数的10%
bic = float('inf') # 初始值为正无穷
tmp_score = [] # 临时p、q、aic、bic和hqic的值的列表
for tmp_p in range(max_count + 1): # p循环max_count+1次
for tmp_q in range(max_count + 1): # q循环max_count+1次
model = ARMA(ts, order=(tmp_p, tmp_q)) # 创建ARMA模型对象
try:
results_ARMA = model.fit(disp=-1, method='css') # ARMA模型训练
except:
continue # 遇到报错继续
finally:
tmp_aic = results_ARMA.aic # 模型的获得aic
tmp_bic = results_ARMA.bic # 模型的获得bic
tmp_hqic = results_ARMA.hqic # 模型的获得hqic
tmp_score.append([tmp_p, tmp_q, tmp_aic, tmp_bic, tmp_hqic]) # 追加每个模型的训练参数和结果
if tmp_bic < bic: # 如果模型bic小于最小值，那么获得最优模型ARMA的下列参数：
p = tmp_p # 最优模型ARMA的p值
q = tmp_q # 最优模型ARMA的q值
model_arma = results_ARMA # 最优模型ARMA的模型对象
aic = tmp_bic # 最优模型ARMA的aic
bic = tmp_bic # 最优模型ARMA的bic
hqic = tmp_bic # 最优模型ARMA的hqic
pdq_metrix = np.array(tmp_score) # 将嵌套列表转换为矩阵
pdq_pd = pd.DataFrame(pdq_metrix, columns=['p', 'q', 'aic', 'bic', 'hqic']) # 基于矩阵创建数据框
table_name = ['p', 'q', 'aic', 'bic', 'hqic'] # 表格列名列表
table_rows = [[p, q, aic, bic, hqic]] # 表格行数据，嵌套列表
parameter_table = pre_table(table_name, table_rows) # 获得最佳ARMA模型结果展示表格对象
# print ('each p/q traning record') # 打印标题
# print (pdq_pd) # 打印输出每次ARMA拟合结果，包含p、d、q以及对应的AIC、BIC、HQIC
# print ('best p and q') # 打印标题
# print (parameter_table) # 输出最佳ARMA模型结果展示表格对象
return model_arma # 最优状态下的arma模型对象
# 模型训练和效果评估
def train_test(model_arma, ts, log_n, rule1=True, rule2=True):
'''
:param model_arma: 最优ARMA模型对象
:param ts: 时间序列数据，Series类型
:param log_n: 平稳性处理的log的次数，int型
:param rule1: rule1规则布尔值，布尔型
:param rule2: rule2规则布尔值，布尔型
:return: 还原后的时间序列
'''
train_predict = model_arma.predict() # 得到训练集的预测时间序列
if not (rule1 and rule2): # 如果两个条件有任意一个不满足
train_predict = recover_log(train_predict, log_n) # 恢复平稳性处理前的真实时间序列值
ts = recover_log(ts, log_n) # 时间序列还原处理
ts_data_new = ts[train_predict.index] # 将原始时间序列数据的长度与预测的周期对齐
RMSE = np.sqrt(np.sum((train_predict - ts_data_new) ** 2) / ts_data_new.size) # 求RMSE
print("均方根误差为:%s" %RMSE)
# # 对比训练集的预测和真实数据
# plt.figure() # 创建画布
# train_predict.plot(label='predicted data', style='--') # 以虚线展示预测数据
# ts_data_new.plot(label='raw data') # 以实线展示原始数据
# plt.legend(loc='best') # 设置图例位置
# plt.title('raw data and predicted data with RMSE of %.2f' % RMSE) # 设置标题
# plt.show() # 展示图像
return ts # 返回还原后的时间序列
# 预测未来指定时间项的数据
def predict_data(model_arma, ts, log_n,start, end,rule1=True, rule2=True):
'''
:param model_arma: 最优ARMA模型对象
:param ts: 时间序列数据，Series类型
:param log_n: 平稳性处理的log的次数，int型
:param start: 要预测数据的开始时间索引
:param end: 要预测数据的结束时间索引
:param rule1: rule1规则布尔值，布尔型
:param rule2: rule2规则布尔值，布尔型
:return: 无
'''
m1=string_toDatetime(end)-string_toDatetime(start)
# 预测未来指定时间项的数据
predict_ts = model_arma.predict(start=len(ts)-5, end=len(ts)+m1.days+1)
beginDate =ts.index[len(ts)-6]
endDate = string_toDatetime(end)
m = datelist(beginDate, endDate)
# print(m)
print ('-----------predict data----------') # 打印标题
if not (rule1 and rule2): # 如果两个条件有任意一个不满足
predict_ts = recover_log(predict_ts, log_n) # 还原数据
predict_ts_dataframe=pd.DataFrame(predict_ts,columns = ['number'])
# print(predict_ts_dataframe)
predict_ts_dataframe['day']=m
pre_result=predict_ts_dataframe[predict_ts_dataframe['day']>=start]
kk=list(pre_result.loc[:,'number'].apply(lambda x: x*10))
# 展示预测数据
pre_result2=pd.DataFrame({"day":pre_result['day'],"number":kk})
print(pre_result2)
#####输出csv
pre_result2.to_csv("C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\pre_result2.csv", index=False)
if __name__ == '__main__':
# 读取数据
# date_parse = lambda dates: pd.datetime.strptime(dates, '%Y/%m/%d') # 创建解析列的功能对象
# df = pd.read_table('C:\\Users\\xiaohu\\Desktop\销售数据预测\\训练数据\\train_2018.txt', delimiter='\t', index_col='date', date_parser=date_parse) # 读取数据
# 读取数据
date_parse = lambda dates: pd.datetime.strptime(dates, '%Y-%m-%d') # 创建解析列的功能对象
df = pd.read_table('C:\\Users\\xiaohu\\Desktop\\book\\chapter4\\time_series4.txt', delimiter='\t', index_col='date',date_parser=date_parse) # 读取数据
# print(df)
ts_data = df['number'].astype('float32') # 将列转换为float32类型
# print ('data summary') # 打印标题
# print (ts_data.describe()) # 打印输出时间序列数据概况
# 原始数据检验
adf, pvalue1, critical_values = adf_val(ts_data, 'raw time series', 'raw acf', 'raw pacf') # 稳定性检验
pvalue2 = acorr_val(ts_data) # 白噪声检验
# 创建用于区分是否进行平稳性处理的规则
rule1 = (adf < critical_values['1%'] and adf < critical_values['5%'] and adf < critical_values[
'10%'] and pvalue1 < 0.01) # 稳定性检验
rule2 = (pvalue2[0,] < 0.05) # 白噪声检验
# 对时间序列做稳定性处理
log_n, ts_data = get_best_log(ts_data, max_log=5, rule1=rule1, rule2=rule2)
# 再次做检验
adf, pvalue1, critical_values = adf_val(ts_data, 'final time series', 'final acf', 'final pacf') # 稳定性检验
pvalue2 = acorr_val(ts_data) # 白噪声检验
# 训练最佳ARMA模型并输出相关参数和对象
# model_arma = arma_fit(ts_data)
# sklearn中提供了高效的模型持久化模块joblib，将模型保存至硬盘。
#joblib.dump(model_arma, 'C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\model_arma_day.model')# 模型导出
model_arma = joblib.load('C:\\Users\\xiaohu\\Desktop\\销售数据预测\\训练数据\\model_arma_day.model')# 模型导入
#
# 模型训练和效果评估
ts_data = train_test(model_arma, ts_data, log_n, rule1=rule1, rule2=rule2)
# print(ts_data)
# # 模型预测应用
start ='2018-06-04' # 设置预测开始的时间索引
end ='2018-06-10' # 设置预测结束的时间索引
predict_data(model_arma, ts_data, log_n,start,end ,rule1=rule1, rule2=rule2) # 预测时间序列数据
time2=time.time()
print('总共耗时：' + str(time2 - time1) + 's')