季节性时间序列预测代码python3

以下是一个简单的季节性时间序列预测代码示例，使用Python 3和Pandas、Statsmodels库：

import pandas as pd
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.tsa.arima_model import ARIMA

# 读取数据
data = pd.read_csv('seasonal_data.csv', index_col='Date', parse_dates=True)

# 对数据进行季节性分解
result = seasonal_decompose(data, model='multiplicative')

# 取出季节性分量
seasonal = result.seasonal

# 使用ARIMA模型进行预测
model = ARIMA(seasonal, order=(1, 0, 0))
model_fit = model.fit(disp=0)
forecast = model_fit.forecast(steps=12)

# 输出预测结果
print(forecast)

其中，`seasonal_data.csv`是包含季节性时间序列数据的CSV文件，`index_col='Date'`指定日期列为索引列，`parse_dates=True`将日期列解析为日期格式。`seasonal_decompose`函数使用`model='multiplicative'`参数进行季节性分解，将得到季节性分量。然后，使用ARIMA模型进行预测，`order=(1, 0, 0)`指定模型的阶数。最后，使用`forecast(steps=12)`预测未来12个时间点的值。