预测未来几周的产品需求

Question

我想要建立一个模型，在每一步的几周内预测每种产品的未来需求(预测明年每种产品的每周需求)

我有几个小尺寸(大约100到200张唱片) csv。

在这里，有关CSV列的信息：-第一列makeId表示产品的id。第二列areaId表示产品销售位置的内部id。第三列日期以mm/dd/yyyy格式表示 date 。第四列a表示给定区域在给定周内对给定产品的需求。

样本文件1-

​

​

样本文件2-

​

​

样本文件3-

​

​

我考虑使用Arima模型，但对于如何将数据转换为每周格式并使用它来预测每个make id，我感到有点困惑。

任何建议都是有帮助的，因为我是时间序列问题的新手。

Answer 1

注意:从您的示例中可以快速看出，您似乎已经有了每周的数据。如果这不是真的，或者您只是想将数据设置为能够使用ARIMA模型，下面的答案将有所帮助。

对您问题的快速回答是:使用pandas包将数据读入/操作到dataframe对象中，然后使用每周频率的.resample()方法，例如：.resample('W')。

更多详细信息：

对于时间序列分析，大多数应用程序将从将数据索引设置为时间变量中获益。在您的示例中，您可以在使用pandas读取数据时做到这一点：

import pandas as pd df = pd.read_csv('/path/to/your_data.csv', parse_dates=['date'], index_col='date')

如果您无法读取它，并且需要在适当的位置更改dataframe，您可以这样做：

df = df.set_index('date')

这假定date列被正确地设置为datetime对象。

下一步是重采样数据，以便您有一个新的值来捕获数据中的每周活动。这需要选择一个方法来组合Amount字段中的数据，因为您希望显示一个可以组合多天值的值。在这里，我将选择mean()，以便新的值是那个星期内那些天的数据的平均值。

df['Amount_weekly'] = df['Amount'].resample('W', how='mean')

由于您正在聚合数据，该函数将返回一个新系列，因此这里我将这个新系列放入df中的一个新列，即df['Amount_weekly']。

因此，您将有一个时间序列索引数据，列显示每周重放数据。这将是像statsmodels.这样的软件包中在ARIMA模型中使用的适当格式。