如何在Python中預處理時間序列數據以進行預測

Question

我正在嘗試爲Python中的預測準備一些時間序列數據（外匯）。計劃是將時間序列轉換爲二維Numpy數組，通過PypeR將其作爲R矩陣傳遞給R，以訓練ANFIS（自適應神經模糊推理系統）進行預測。 （爲什麼我會經歷一個如此複雜的過程純粹是學術問題。）這需要前n列是最後n個數據點，第（n + 1）列是當前/預測值。

考慮以下數據點：

Date AUD-USD 
9/1/1999 0.6452 
9/2/1999 0.6466 
9/3/1999 0.6466 
9/4/1999 0.6466 
9/5/1999 0.6459 
9/6/1999 0.6494 
9/7/1999 0.6479 
9/8/1999 0.653 
9/9/1999 0.6512 

爲了簡單起見，讓我們說，前五次點將被用作輸入來預測下一個數據點。然後，該陣列應該如下所示：

  t - 5 t - 4 t - 3 t - 2 t - 1 t 
9/6/1999 0.6452 0.6466 0.6466 0.6466 0.6459 0.6494 
9/7/1999 0.6466 0.6466 0.6466 0.6459 0.6494 0.6479 
9/8/1999 0.6466 0.6466 0.6459 0.6494 0.6479 0.653 
9/9/1999 0.6466 0.6459 0.6494 0.6479 0.653 0.6512 

減去日期（只是爲了清楚起見）。

現在的問題是：是否有一個現有的Python函數或庫，將實現預期的結果？或者最好是通過一系列循環手動完成？另外，這個過程叫做什麼？我似乎無法爲Google提供解決方案，所以也許我只是不知道用什麼字來稱呼它。

Answer 1

您可以在一行中輕鬆構建移位數組。在這裏，我使用整數範圍來幫助您瞭解發生了什麼 - 只需將A替換爲您的數據即可。

import numpy as np 

A = np.arange(10) 
cut = 6 
B = np.array([A[k-cut:k] for k in xrange(cut,A.size)]) 
print B 

，並提供：

[[0 1 2 3 4 5] 
[1 2 3 4 5 6] 
[2 3 4 5 6 7] 
[3 4 5 6 7 8]] 

爲了解析這些日期，儘量尋找大熊貓，這是尤其是當日期都參與了數據處理的很好的書房。