我能用时间序列来分析这些数据吗？

Question

我无法识别时间序列的参数，所以我想知道a是否可以对这个序列应用时间序列分析

这是数据

             a
03/2017      25
04/2017      427
05/2017      42
06/2017      56
07/2017      204
08/2017      28
09/2017      26
10/2017      225
11/2017      84
12/2017      532
01/2018      0
02/2018      665
03/2018      462
04/2018      238
05/2018      84
06/2018      812
07/2018      273
08/2018      364
09/2018      35
10/2018      175
11/2018      182
12/2018      700
01/2019      32
02/2019      0

rolmeanA= df["a"].rolling(window=12).mean()
rolstdA = df["a"].rolling(window=12).std()
plt.plot(rolmeanA, color="black", label='rolmean')
plt.plot(rolstdA, color="green", label='rolstd')
plt.plot(df["a"], color="red", label='A')

plt.xlabel('Dates')
plt.ylabel('Quantities')
plt.legend()
plt.title("a Plot")
plt.show()

如果我能使用时间序列（什么或如何找到平稳性？） 如果你有什么办法来分析这个系列，请帮助我。 任何帮助都将不胜感激。如果你发现问题放错地方，我会删除它

Answer 1

对于平稳性，可以使用此scipy包运行ADfuller测试：

from statsmodels.tsa.stattools import adfuller
result = adfuller(df["a"].values)

检查变量结果中的p值，以检查平稳假设是真是假（具有一定的概率）。如果不是平稳的，可以尝试分析导致值（而不是值）差异的时间序列

您还可以使用此scipy软件包将您的系列分解为趋势和季节模式：

import statsmodels.api as sm
decomposition = sm.tsa.seasonal_decompose(df["a"].values, model = 'additive', freq=1)
decomposition.plot()

尝试更改模型的类型（加法或乘法），并将数据可视化，以便尝试提取一些结论（您的目的是什么）

有很多不同的分析，你的目标是什么？预测？建立解释模型？检查相关性？每个目标都有很多不同的模型和解决方案，所以为了给你一个解决方案，你应该清楚你需要什么