Блог

У меня есть пять столбцов исторических данных, по которым я хотел бы найти линейный тренд по столбцам в каждой строке, чтобы спрогнозировать следующее значение в 2021/22 году. Исторические данные хранятся во фрейме данных следующим образом: —

Затем прогнозируемые выходные данные сохраняются в следующем столбце того же фрейма данных.

Я пытался использовать numpy.polyfit и scipy.linregress, но оба, похоже, вызывают у меня проблемы из-за наличия нескольких столбцов вместо одного столбца. Любая помощь будет очень признательна.

Спасибо

Вот очень простой пример того, как взять пять столбцов и предсказать следующий (6-й) для первой строки данных, используя scikit-learn. pip install scikit-learn если вы его не получили.

 import numpy as np
import pandas as pd 
from sklearn.linear_model import LinearRegression

data = { '2016/17' : [14.53, 14.52],
'2017/18' : [13.75,13.74],
'2018/19' : [13.03,13.03],
'2019/20' : [16.05,16.03],
'2020/21' : [15.15,15.14]}
df = pd.DataFrame(data)

X = np.array([[1],[2],[3],[4],[5]]) # dummy x values for each of the columns you are going to use as input data
Y = df.iloc[0,:].values.reshape(-1, 1) # work on row 0
 
linear_regressor = LinearRegression()  # create object for the class
linear_regressor.fit(X, Y)  # perform linear regression

prediction = linear_regressor.predict(np.array([[6]]))
 

Теперь вам нужно будет взять это и заставить его работать по строкам и поместить ответ в нужный столбец, но базовый механизм есть.

Вам также придется иметь дело с интересными проблемами void. imputation это то, что вам нужно, но это будет проблематично, если будет отсутствовать слишком много данных.