python之时间序列分析（销售收入增长及季节性波动）

　　时间序列分析方法分为描述性时序分析和统计时序分析。在这里我们主要介绍描述性时序分析。描述性时序分析主要是通过直观的数据比较或通过图表的观测方式，寻找时间序列中蕴含的发展规律。

　　我们以某淘宝店铺近两年销售收入的增长趋势和季节性波动趋势为例，展示如何使用python展现折线图

数据源（仅展示部分）：

 过程如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
aa ='F:\python入门\python编程锦囊\Code（实例源码及使用说明）\Code（实例源码及使用说明）\Code（实例源码及使用说明）\09\data\TB2.xls'
#导入数据
df = pd.DataFrame(pd.read_excel(aa))
#将目标列取出
df1=df[['订单付款时间','买家会员名','买家实际支付金额']]
# 将date设置为index
df1 = df1.set_index('订单付款时间')
print('---------按季统计数据-----------')
#resample()进行重采样,指的是把时间序列的频度变为另一个频度的过程
#“QS”是每个季度第一天为开始日期，“Q”是每个季度最后一天
df2=df1.resample('QS').sum().to_period('Q')
print('---------按年统计数据-----------')
df3=df1.resample('AS').sum().to_period('A')
df2.plot()
df3.plot()
#解决中文乱码
plt.rcParams['font.sans-serif']=['SimHei']
plt.show()

---------按季统计数据-----------

---------按年统计数据-----------