👇👇关注后回复 “进群” ，拉你进程序员交流群👇👇
来源丨量子位
时序数据，也就是时间序列的数据。
像股票价格、每日天气、体重变化这一类，都是时序数据，这类数据相当常见，也是所有数据科学家们的挑战。
所以，如果你有朝一日碰到了时序数据，该怎么用Python搞定它呢？
时序数据采样
数据集
这里用到的例子，是2011年11月到2014年2月期间伦敦家庭的用电量。
可以看出，这个数据集是按照每半小时统计一次的节奏，记下每家每户用了多少电。可以根据这些数据，生成一些图表分析。
当然，因为我们考虑的数据主要是时间和用电量两个维度，所以可以把其他的维度删掉。
重采样
我们先从重采样开始。重采样意味着改变时序数据中的时间频率，在特征工程中这个技能非常有用，给监督学习模型补充一些结构。
依靠pandas进行重采样的方法类似groupby，通过下面的例子，可以更方便的理解。
首先，需要把采样周期变成每周：
· data.resample() 用来重采样数据帧里的电量（kWh）那一列。
· The ‘W’ 表示我们要把采样周期变为每周（week）。
· sum()用来求得这段时间里的电量之和。
当然，我们也可以依葫芦画瓢把采样周期变成每天。
pandas里内置了很多重采样的选项，比如不同的时间段：
还有不同的采样方式：
这些你可以直接用，也可以自己定义。
用Prophet建模
Facebook Prophet诞生于2017年，可以用Python和R语言操作。
Prophet天生就是分析时序数据的一把好手，适配任何时间尺度，还能很好的处理异常值和缺失数据，对趋势变化非常敏感，还考虑到了假期等特殊时间的影响，可以自定义变更点。
在使用Prophet之前，我们先重命名一下数据集中的每列。数据列为ds，我们要预测的值列为y。
下面的例子就是以每天为间隔的时序数列。
导入Prophet，创建模型，填充数据。
在Prophet里，changeprior prior scale这个参数可以控制对趋势变化的敏感程度，参数越高越敏感，设置为0.15比较合适
为了实现预测功能，我们创建未来数据帧，设置预测未来多少时间和频率，然后Prophet就可以开始预测了。
这里设置的是预测两周，以天为单位。
搞定了，可以预测未来两个月的家庭用电量了。
图中，黑点为实际值，蓝点为预测值，浅蓝色阴影区域表示不确定性。
当然，如果预测的时间很长，不确定性也会增大。
利用Prophet，我们还可以简单地看到可视化的趋势图。
看上面第二张图，以年份为单位，可以明显看出秋冬家庭耗电量增大，春夏则减少；周日耗电量要比一周里的其他六天多。
LSTM预测
LSTM-RNN可以进行长序列观察，这是LSTM内部单元的架构图：
LSTM似乎很适合时序数据预测，让它来处理一下我们按照一天为周期的数据：
LSTM对输入数据的规模很敏感，特别是在使用sigmoid或tanh激活函数时。
你也可以把数据标准化，也就是将数据重新调整到[0,1]或[-1,1]的范围，可以使用scikit-learn库中的MinMaxScaler预处理类轻松地标准化数据集。
现在，把数据集分成训练集和测试集。
下面的代码把80%的数据分成训练集，剩下的20%留着当测试集。
定义一个函数来创建新的数据集，用这个函数来准备建模。
LSTM网络的输入数据需要设置成特定的阵列结构：[样本，时间步长，特征]。
现在用的是[样本，特征]，我们需要加上时间步长，通过下面的方法把训练集和测试集变成我们想要的样子
搞定，现在设计调试LSTM网络。
从损失图中，我们可以看到该模型在训练集和测试集上的表现相似。
看下图，LSTM在拟合测试集的时候表现的非常好。
聚类
最后，我们还要用我们例子中的数据集进行聚类。
聚类的方法很多，其中一种是分层聚类（clusters hierarchically）。
分层的方法有两种：从顶部开始分，和从底部开始分。我们这里选择从底部开始。
方法很简单，导入原始数据，然后为一年中的某一天和一天中的某一小时添加两列。
连接和树形图
连接函数将距离信息和分组对象根据相似性聚类，他们相互连接，创造更大的聚类。这个进程一直迭代，直到原始数据集中的所有对象都在分层树里相互连接在一起。
这样完成我们数据的聚类：
搞定，是不是很简单？
不过，代码里的ward是啥？
这是一种新的聚类方法，关键词ward让连接函数使用ward方差最小化算法。
现在，看一下聚类树形图：
x轴上就是标签，或者说是样本索引；
y轴上是距离；
竖线是聚类合并；
横线表示哪些集群/标签是合并的一部分，形成新聚类；
竖线的长度是形成新聚类的距离。
简化一下，更清楚：
传送门
https://towardsdatascience.com/playing-with-time-series-data-in-python-959e2485bff8
