# 如何将时间序列数据集与 Python 区分开来 > 原文： [https://machinelearningmastery.com/difference-time-series-dataset-python/](https://machinelearningmastery.com/difference-time-series-dataset-python/) 差分是时间序列中流行且广泛使用的数据变换。 在本教程中，您将了解如何使用 Python 将差异操作应用于时间序列数据。 完成本教程后，您将了解： * 关于差分运算，包括滞后差和差分顺序的配置。 * 如何开发差分操作的手动实现。 * 如何使用内置的 Pandas 差分功能。 让我们开始吧。  如何区分时间序列数据集与 Python 照片由 [Marcus](https://www.flickr.com/photos/tempoworld/7326465464/) ，保留一些权利。 ## 为什么差异时间序列数据？ 差分是一种转换时间序列数据集的方法。 它可用于消除序列对时间的依赖性，即所谓的时间依赖性。这包括趋势和季节性等结构。 > 差异可以通过消除时间序列水平的变化来帮助稳定时间序列的均值，从而消除（或减少）趋势和季节性。 - 第 215 页，[预测：原则与实践](http://www.amazon.com/dp/0987507109?tag=inspiredalgor-20) 通过从当前观察中减去先前的观察来执行差分。 ```py difference(t) = observation(t) - observation(t-1) ``` 以这种方式，可以计算一系列差异。 ### 滞后差异 将连续观察之间的差异称为滞后-1 差异。 可以调整滞后差异以适应特定的时间结构。 对于具有季节性成分的时间序列，滞后可以预期为季节性的周期（宽度）。 ### 差异订单 在执行差分运算之后，例如在非线性趋势的情况下，时间结构可能仍然存在。 这样，差分过程可以重复多次，直到所有时间依赖性都被消除。 执行差分的次数称为差分顺序。 ## 洗发水销售数据集 该数据集描述了 3 年期间每月洗发水的销售数量。 单位是销售计数，有 36 个观察。原始数据集归功于 Makridakis，Wheelwright 和 Hyndman（1998）。 [您可以在此处下载并了解有关数据集的更多信息](https://datamarket.com/data/set/22r0/sales-of-shampoo-over-a-three-year-period)。 下面的示例加载并创建已加载数据集的图。 ```py from pandas import read_csv from pandas import datetime from matplotlib import pyplot def parser(x): return datetime.strptime('190'+x, '%Y-%m') series = read_csv('shampoo-sales.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser) series.plot() pyplot.show() ``` 运行该示例将创建在数据中显示清晰线性趋势的图。  洗发水销售数据集图 ## 手动差分 我们可以手动区分数据集。 这涉及开发一个创建差异数据集的新功能。该函数将遍历提供的序列并以指定的间隔或滞后计算差异值。 以下名为 _difference（）_ 的函数实现了此过程。 ```py # create a differenced series def difference(dataset, interval=1): diff = list() for i in range(interval, len(dataset)): value = dataset[i] - dataset[i - interval] diff.append(value) return Series(diff) ``` 我们可以看到该函数在指定的时间间隔后小心地开始差异数据集，以确保实际上可以计算差值。定义默认间隔或滞后值 1。这是一个合理的默认值。 进一步的改进是还能够指定执行差分操作的次序或次数。 以下示例将手动 _ 差异（）_ 功能应用于 Shampoo Sales 数据集。 ```py from pandas import read_csv from pandas import datetime from pandas import Series from matplotlib import pyplot def parser(x): return datetime.strptime('190'+x, '%Y-%m') # create a differenced series def difference(dataset, interval=1): diff = list() for i in range(interval, len(dataset)): value = dataset[i] - dataset[i - interval] diff.append(value) return Series(diff) series = read_csv('shampoo-sales.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser) X = series.values diff = difference(X) pyplot.plot(diff) pyplot.show() ``` 运行该示例将创建差异数据集并绘制结果。  手动差异的洗发水销售数据集 ## 自动差分 Pandas 库提供了自动计算数据集差异的功能。 在[系列](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.diff.html)和 [DataFrame](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.diff.html) 对象上都提供了 _diff（）_ 功能。 与上一节中手动定义的差异函数一样，它需要一个参数来指定间隔或滞后，在本例中称为 _ 周期 _。 下面的示例演示了如何在 Pandas Series 对象上使用内置差异函数。 ```py from pandas import read_csv from pandas import datetime from matplotlib import pyplot def parser(x): return datetime.strptime('190'+x, '%Y-%m') series = read_csv('shampoo-sales.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser) diff = series.diff() pyplot.plot(diff) pyplot.show() ``` 与上一节一样，运行该示例会绘制差异数据集。 除了需要更少的代码之外，使用 Pandas 功能的好处是它可以维护差异系列的日期时间信息。  自动差异洗发水销售数据集 ## 摘要 在本教程中，您了解了如何使用 Python 将差异操作应用于时间序列数据。 具体来说，你学到了： * 关于差异操作，包括滞后和顺序的配置。 * 如何手动实现差异变换。 * 如何使用内置的 Pandas 实现差异变换。 您对差异或此帖有任何疑问吗？ 在下面的评论中提出您的问题。