Python数据分析

第7章　信号处理与时间序列

信号处理是工程和应用数学领域的一个分支，主要用于分析模拟信号和数字信号随时间变化的变量。时间序列分析是信号处理技术的一个分支。时间序列是一个从首次测量开始的数据点的有序列表，数据采样的时间间隔通常是等间距的，如以日或年为间隔进行采样。进行时间序列分析时，数据值的顺序很重要，通常需要设法找出某个值与该序列中之前特定周期数上的另一个数据点或者一组数据点之间的关系。

本章以年度日斑周期数据为例介绍时间序列，这些数据可以从一个开源Python项目即statsmodels程序包中获得。这些例子要用到NumPy/SciPy、pandas和statsmodels库。

本章涉及以下主题。

• 　移动平均值。
• 　窗口函数。
• 　协整。
• 　自相关。
• 　自回归模型。
• 　ARMA模型。
• 　生成周期信号。
• 　傅里叶分析。
• 　谱分析。
• 　过滤。

7.1　statsmodels子库

若需安装statsmodels库，请执行以下命令：

$ pip install statsmodels
$ pip freeze|grep stat
statsmodels==0.6.0

打开代码包内的pkg_check.py文件，然后修改代码，令其显示statsmodels的子库后，能看到如下输出：

statmodels version 0.6.0.dev-3303360 statsmodels.base statsmodels.compatnp statsmodels.datasets statsmodels.discrete statsmodels.distributions statsmodels.emplike statsmodels.formula statsmodels.genmod statsmodels.graphics ...