1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza szeregów czasowych w Pythonie
Connected

ćwiczenie

Czy temperatura to błądzenie losowe (z dryftem)?

Model ARMA to uproszczone podejście do prognozowania zmian klimatycznych, ale dobrze ilustruje wiele zagadnień omówionych w tym kursie.

DataFrame temp_NY zawiera średnią roczną temperaturę w Central Parku w Nowym Jorku za lata 1870–2016 (dane pobrano z serwisu NOAA tutaj). Zwizualizuj dane i sprawdź, czy podążają one za modelem błądzenia losowego (z dryftem).

Instrukcje

100 XP
  • Przekształć indeks lat na obiekt datetime za pomocą pd.to_datetime(). Ponieważ dane są roczne, przekaż argument format='%Y'.
  • Wyświetl wykres danych, używając .plot().
  • Oblicz wartość p testu rozszerzonego Dickeya-Fullera, korzystając z funkcji adfuller.
  • Zapisz wyniki testu ADF w zmiennej result i wyświetl wartość p przechowywaną w result[1].