Practical-Time-Series-Analysis:实用时间序列分析,由Packt发布

时间:2024-06-17 05:27:17
【文件属性】:

文件名称:Practical-Time-Series-Analysis:实用时间序列分析,由Packt发布

文件大小:2.94MB

文件格式:ZIP

更新时间:2024-06-17 05:27:17

JupyterNotebook

实用的时间序列分析 这是出版的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 时间序列分析使我们能够分析一段时间内的某些数据并了解数据随时间变化的模式,这本书将使您了解时间序列分析背后的逻辑并将其应用于各个领域,包括财务,业务和社交媒体。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头,后跟应用程序名称。 例如,Chapter02。 该代码将如下所示: import os import pandas as pd %matplotlib inline from matplotlib import pyplot as plt import seaborn as sns 您将需要Anaconda Python发行版来运行本书中的示例,并编写自己的Python程序以进行时间序列分析。 可从免费下载。 本书的代码示例是使用Jupyter Noteb


【文件预览】:
Practical-Time-Series-Analysis-master
----Chapter01()
--------Chapter_1_Different_Types_of_Data.ipynb(182KB)
--------Chapter_1_Models_for_Time_Series_Analysis.ipynb(76KB)
--------Chapter_1_Internal_Structures.ipynb(223KB)
--------Chapter_1_Autocorrelation.ipynb(79KB)
----.gitattributes(378B)
----Chapter05()
--------Chapter_5_PM2.5_Time_Series_Forecasting_by_MLP.ipynb(230KB)
--------Chapter_5_PM2.5_Time_Series_Forecasting_by_1D_Convolution.ipynb(255KB)
--------Chapter_5_Air_Pressure_Time_Series_Forecasting_by_1D_Convolution.ipynb(187KB)
--------Chapter_5_Air Pressure_Time_Series_Forecasting_by_LSTM.ipynb(189KB)
--------Chapter_5_PM2.5_Time_Series_Forecasting_by_LSTM.ipynb(251KB)
--------Chapter_5_PM2.5_Time_Series_Forecasting_by_GRU.ipynb(252KB)
--------Chapter_5_Air Pressure_Time_Series_Forecasting_by_GRU.ipynb(190KB)
--------Chapter_5_Air Pressure_Time_Series_Forecasting_by_MLP.ipynb(190KB)
----Chapter04()
--------Chapter_4_AR.py(2KB)
--------Chapter_4_MA.py(2KB)
--------Chapter_4_ARMA_IBMstock.py(2KB)
--------Chapter_4_ARMA.py(2KB)
--------Chapter_4_ARIMA.py(4KB)
----Chapter03()
--------Chapter_3_simpleExponentialSmoothing.py(2KB)
--------Chapter_3_decomposition.py(558B)
--------Chapter_3_tripleExponentialSmoothing.py(3KB)
--------Chapter_3_doubleExponentialSmoothing.py(3KB)
----Chapter02()
--------Chapter_2_Seasonality_Adjustment_by_Moving_Averages.ipynb(173KB)
--------Chapter_2_Time_Series_Decomposition_by_Moving_Averages.ipynb(119KB)
--------Chapter_2_Augmented_Dickey_Fuller_Test.ipynb(43KB)
--------Chapter_2_First_Order_Differencing.ipynb(108KB)
--------Chapter_2_Seasonal_Differencing.ipynb(141KB)
--------Chapter_2_Moving_Averages.ipynb(96KB)
--------Chapter_2_Data_Processing_and_Visualization.ipynb(182KB)
--------Chapter_2_Seasonal_Differencing-AutoCorr_Plot_Correction.ipynb(219KB)
--------Chapter_2_Time_Series_Decomposition_using_statsmodels.ipynb(123KB)
----LICENSE(1KB)
----README.md(2KB)
----.gitignore(649B)
----Data Files()
--------us-airlines-monthly-aircraft-miles-flown.csv(2KB)
--------DJIA_Jan2016_Dec2016.xlsx(22KB)
--------mean-daily-temperature-fisher-river.xlsx(31KB)
--------PRSA_data_2010.1.1-2014.12.31.csv(1.92MB)
--------World Bank Mobile Phone Statistics.xlsx(46KB)
--------quarterly-beer-production-in-aus-March 1956-June 1994.csv(3KB)
--------ibm-common-stock-closing-prices.csv(19KB)
--------monthly-mean-thickness-dobson-un.csv(8KB)
--------mean-daily-temperature-fisher-river.csv(23KB)
--------inflation-consumer-prices-annual.xlsx(10KB)
--------monthly-sunspot-number-zurich-17.csv(44KB)
--------Data Files(45B)
--------DJIA_May2016_May2017.csv(20KB)
--------Annual_Number_of_Lynx_trapped.csv(2KB)
--------chemical-concentration-readings.csv(5KB)
--------wisconsin-employment-time-series.csv(3KB)
--------Monthly_CO2_Concentrations.xlsx(12KB)

网友评论