时间序列预测python代码

以下是一个简单的时间序列预测 Python 代码示例：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 读取数据
df = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')

# 可视化数据
plt.figure(figsize=(10, 5))
plt.plot(df)

# 划分训练集和测试集
train = df[:'2019']
test = df['2020':]

# 特征工程
train['year'] = train.index.year
train['month'] = train.index.month
train['day'] = train.index.day
test['year'] = test.index.year
test['month'] = test.index.month
test['day'] = test.index.day

# 训练模型
model = LinearRegression()
X_train = train.drop(['value'], axis=1)
y_train = train['value']
model.fit(X_train, y_train)

# 预测测试集
X_test = test.drop(['value'], axis=1)
y_test = test['value']
y_pred = model.predict(X_test)

# 可视化预测结果
plt.figure(figsize=(10, 5))
plt.plot(y_test.index, y_test.values)
plt.plot(y_test.index, y_pred)
plt.legend(['Actual', 'Predicted'])

该代码包含以下步骤：

1. 读取时间序列数据
2. 可视化数据
3. 将数据分为训练集和测试集
4. 对训练集和测试集进行特征工程
5. 训练线性回归模型
6. 预测测试集
7. 可视化预测结果

需要注意的是，该代码只是一个简单的示例，实际的时间序列预测需要根据具体情况进行调整和改进。