python - 如何使用移动平均值/滚动平均值预测下一个值

Question

我刚刚开始探索时间序列。我有这样的df

Volume  Year    Month

718394219   2013    01
763723622   2014    01
762225057   2015    01
787479774   2016    01
845614054   2017    01

我想预测 2018 年的销量。预测的准确性不需要很高，因为我只是想了解基础知识。

我做了这样的方法，将我的移动平均函数与实际数据一起绘制

def plotMovingAverage(series, n):

    """
    series - dataframe with timeseries
    n - rolling window size 

    """

    rolling_mean = series.rolling(window=n).mean()

    #rolling_std =  series.rolling(window=n).std()
    #upper_bond = rolling_mean+1.96*rolling_std
    #lower_bond = rolling_mean-1.96*rolling_std

    plt.figure(figsize=(15,5))
    plt.title("Moving average\n window size = {}".format(n))
    plt.plot(rolling_mean, "g", label="Rolling mean trend")

    #plt.plot(upper_bond, "r--", label="Upper Bond / Lower Bond")
    #plt.plot(lower_bond, "r--")
    plt.plot(series[n:], label="Actual values")
    plt.legend(loc="upper left")
    plt.grid(True)

但是，我不知道如何预测 t+1

的值

指数平滑的相同问题

def exponential_smoothing(series, alpha):
    result = [series[0]] # first value is same as series
    for n in range(1, len(series)):
        result.append(alpha * series[n] + (1 - alpha) * result[n-1])
    return result

Answer 1

预测 pandas 自己没有实现任何预测机制。预测是一个机器学习领域，为此使用适当的工具或手动实现您的算法。您可以使用 sklearn 中实现的线性模型或者对于像 SARIMAX 这样的特殊时间序列预测模型，使用 statsmodels见how in notebook

对于窗口计算 pandas 有一组特殊的函数看EWM在文档中