真正的日期我有一個CSV與價值觀一樣預測,使用R dataframes,動物園和結果
ref_date;wings;airfoil;turbines
2015-03-31;123,22;22,77;99,0
2015-04-30;123,22;28,77;99,0
2015-05-31;123,22;22,177;02,0
2015-06-30;56,288;22,77;99,0
,我讀入數據幀,並將其轉換爲一個時間序列,與
df_agg = aggregate(df$wings, by=list(date=df$ref_date), FUN=mean)
df_agg['date'] = as.Date(df_agg[['date']], format='%Y-%m-%d')
tt = xts(df_agg[,c('x')], order.by=df_agg$date)
所以現在我有tt
,xts
對象。要使用forecast
包,我必須把它轉換爲ts
對象,所以我用zoo
:
pred = forecast(zoo(tt))
df_pred = as.data.frame(pred)
但是,爲了能夠得到的結果與列的日期,而不是數字序列,我必須把它轉換回來
zoo(df_pred, as.Date(as.numeric(rownames(df_pred))))
,現在我有一個像
Forecast Lo 80 Hi 80 Lo 95 Hi 95
2015-07-30 12 10 15 11 14
2015-08-31 13.4 11 15.4 11.2 13
結果有沒有辦法來完成相同的,而不必再次在數據框,xts,動物園,ts和動物園之間來回移動?
在Python,這將是像
from statsmodels.api import sm
df = pd.read_csv(file_csv)
df.index = pd.to_datetime(df.date, format='%Y-%m-%d')
y_pred = sm.ARIMA(df)
爲什麼Python大熊貓標記在這裏? R有一個內置的[ARIMA方法](https://stat.ethz.ch/R-manual/R-devel/library/stats/html/arima.html)。 – Parfait
Python被標記爲因爲許多使用Python的數據科學家可以與R一起工作,並且Python示例可以幫助理解我試圖用問題實現的內容。 – Ivan