Web 登录时间戳的时间序列预测

Question

如果我必须构建一个时间序列预测模型，而我所拥有的只是用户登录网站时的时间戳序列，您如何建模？

下面是数据的前几行。我把它当作熊猫系列。

0   2012-03-01 00:05:55
1   2012-03-01 00:06:23
2   2012-03-01 00:06:52
3   2012-03-01 00:11:23
4   2012-03-01 00:12:47
5   2012-03-01 00:12:54
6   2012-03-01 00:16:14
7   2012-03-01 00:17:31
8   2012-03-01 00:21:23
9   2012-03-01 00:21:26

现在有几个问题：

1）. 当我只有时间戳而没有 Y 值或任何其他功能时，如何每小时绘制用户行为图

2）. 建立一个适合这个时间序列的模型，并预测未来两周。

没有给出其他特征或变量。每天只需登录3个月。

Answer 1

作为对第 1 部分的回应。 我做过类似的事情并遇到了同样的问题。 我使用纪元对时间序列进行分组，并将其加载到字典中。 从那里，我可以以小时为单位处理时间序列。 （数据来源为 JSON） 然后，您可以直接使用matplotlib将其转换为熊猫数据帧和图表。 由于您的数据已经在 panda 中，因此您可以跳过数据拉取并编辑初始循环来处理原始数据。 我希望这有所帮助。

for key in responseJson['All'].keys():
        t = time.strftime('%Y,%m,%d %H:00:00', time.gmtime(float(key) / 1000.0))
        h = responseJson['All'][key]
        word = t
        epochkey = int(time.mktime(time.strptime(t, '%Y,%m,%d %H:00:00')))
        if word not in dict:
            dict[word] = h
            epochdict[epochkey] = h
        else:
            dict[word] += h
            epochdict[epochkey] += h

然后我把它转换成熊猫数据帧：

for row in epochdict:
        if(row[0] not in data):
            data[row[0]]={}
        data[str(row[0])][str(row[2])]=round(row[3],3)
            df=DataFrame(data).T.fillna(0)

这允许我根据时间序列绘制每小时数据。