写一段ARIMA预测的代码
时间: 2023-12-01 21:03:20 浏览: 34
下面是一个简单的ARIMA预测代码示例:
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA
# 读取数据
data = pd.read_csv('data.csv', index_col='date', parse_dates=['date'])
data = data['value']
# 拆分训练集和测试集
train_data = data[:'2019']
test_data = data['2020':]
# 定义模型参数
p=1
d=1
q=1
# 创建ARIMA模型
model = ARIMA(train_data, order=(p, d, q)).fit()
# 进行预测
pred = model.predict('2020', '2021', dynamic=True, typ='levels')
# 绘制预测结果
plt.plot(train_data, label='train')
plt.plot(test_data, label='test')
plt.plot(pred, label='pred')
plt.legend()
plt.show()
```
在上面的示例中,我们首先读取时间序列数据并将其拆分为训练集和测试集。然后,我们定义了ARIMA模型的参数p、d和q,并使用训练集拟合了该模型。最后,我们使用模型预测了未来一年的数据,并将预测结果与训练集和测试集一起绘制在图表上。
相关推荐
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)