Ta differensen
I den här övningen ska du förbereda en tidsserie över befolkningsutvecklingen i en stad inför modellering. Om man kan förutsäga en stads tillväxttakt går det att planera och bygga den infrastruktur som staden kommer att behöva längre fram – och därmed framtidssäkra de offentliga utgifterna. Tidsserien i det här fallet är fiktiv, men den lämpar sig utmärkt för träning.
Du testar stationaritet visuellt och med Augmented Dickey-Fuller-testet, och tar sedan differensen för att göra datamängden stationär.
DataFrame:en med tidsserien har lästs in åt dig som city och funktionen adfuller() har importerats.
Den här övningen är en del av kursen
ARIMA-modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Run the ADF test on the time series
result = ____(____)
# Plot the time series
fig, ax = plt.subplots()
city.plot(ax=ax)
plt.show()
# Print the test statistic and the p-value
print('ADF Statistic:', ____)
print('p-value:', ____)