【发布时间】：2018-04-30 16:38:40
【问题描述】：
我正在尝试对一家连锁店进行半年的每日现金流（流入 - 流出）预测。我有过去 3 年的每日现金流入和现金流出、通货膨胀率、国定假日日期和商店数量。已使用 pandas 数据框处理数据。
哪些 Python 工具（库、算法）最适合预测？
【问题讨论】：
标签： python time-series forecasting
【发布时间】：2018-04-30 16:38:40
【问题描述】：
我会建议遵循这些步骤：
找到日期和销售数量或任何其他变量之间的相关性（但我认为日期通常可以让人们在假期和周末购买更多东西）你可以使用 numpy 库来解决这个问题here
假设销售遵循季节性趋势或周末选择销售，您应该根据可以将列添加到数据框中的日期来计算这些特征，例如 dayofweek 、 season ..，pandas 非常适合
dt.dayofweek就这么简单，将数据拆分为训练集和测试集。- 现在很酷的东西，您可以使用 sklearn here 尝试线性回归，我认为它会很好用！您也可以尝试其他算法，例如 Ridge 回归...很多示例可以在 sklearn 网站上找到 http://scikit-learn.org
- 评估您的模型！
【讨论】：
-
谢谢。我想我需要更具体的时间序列，而不是线性回归，因为还有季节趋势。
-
根据我的经验，如果您有季节趋势，线性回归效果很好，您尝试过任何算法吗？如果是的话，你能发布一些情节吗？
-
还没有。刚刚用谷歌搜索并找到了使用 NN 的建议。我会尝试回归看看。谢谢。
您可以查看TSFresh，这是一个流行的 python 库，用于从时间序列中提取特征。然后你需要尝试算法，最流行的python库是Scikit-learn。
【讨论】：
-
试试看，谢谢。
我肯定会建议导入、表示和进行基本（或不那么基本）转换和分析的常用基本工具是：
- pandas 提供“智能”数据结构，可以轻松导入数据并执行许多转换
- Jupyter 轻松创建集成叙述文本、代码和结果的笔记本
- matplotlib 用于轻松绘制数据（pandas 中还有一个基于它的绘图 API）
特别是关于时间序列预测我不太了解：您应该能够使用 pandas 实现基本算法，否则我通过快速谷歌搜索发现的有用库示例是 StatsModels 和 Prophet
【讨论】：
-
谢谢。所有这些工具：pandas、numpy 和 matplotlib 都非常适合安排、预处理和绘图。但它们不适合做预测。