时间序列分析 | Python实现时间序列特征生成

时间序列分析 | Python实现时间序列特征生成

基本介绍

时间序列建模的时间戳与时序特征衍生思路，时间序列模型在我们日常工作中应用的场景还是会很多的，比如我们去预测未来的销售单量、预测股票价格、预测期货走势、预测酒店入住等等，这也是我们必须要掌握时序建模的原因。

数据介绍

• 我们就拿经典的时间序列模型来说一下，一般来说数据集里的数据，可以分为3大类。
  1）Y值：我们也称之为时序值。如下表中的销量字段；
  2）时间戳：标记本条记录发生时间的字段，如下表中的统计日期字段。oh，对了如果不是单时间序列的，比如数据集中记录的是多家店铺的时序数据，需要结合序列属性信息，比如店铺名称、店铺所在城市；
  3）其他字段：顾名思义。
  
• 时间戳的衍生思路
  虽然时间戳就只有1个字段，但里面其实包含的信息量还是很多的，一般来说我们可以从下面几个角度来拆解，衍生出一系列的变量。
  1）时间戳本身特征
  直接使用Pandas的series提取时间戳特征，比如说哪年、哪季度、哪月、哪周、哪日、哪时、哪分、哪秒、年里的第几天、月里的第几天、周里的第几天。
  2）0-1特征
  一般是与真实场景结合来用，比如说工作日、周末、公众假