pmdarima，一个超好用的Python统计库！
虎哥约 6 分钟大家好，我是虎哥。
今天要和大家聊聊时间序列预测领域的利器——pmdarima。作为一名长期和数据打交道的程序员，我一直在寻找能够帮助我提高时间序列模型效率的工具。
pmdarima 就是这么一个宝藏库，它不仅能够自动选择合适的 ARIMA 模型参数，还可以实现多种高级功能，让时间序列预测变得简单、高效。
pmdarima 是什么？
要说起时间序列分析的传统模型，ARIMA（自回归积分滑动平均模型）肯定是绕不开的一个大牛模型。
手动构建 ARIMA 模型非常繁琐，尤其是参数选择（即 p, d, q 三个阶数参数）需要大量的尝试和测试。然而，pmdarima 专门为解决这个问题而生，它通过自动化参数选择和模型优化，让开发者能够轻松找到最优模型。
那么 pmdarima 能做什么呢？我用简单几句话概括一下它的核心功能：
自动化 ARIMA 模型选择：核心函数 auto_arima可以帮你自动调参，快速找到最佳模型组合。与 scikit-learn兼容：能够无缝集成到scikit-learn的 Pipeline 中，轻松完成数据预处理、模型训练和预测等任务。支持季节性调整：能处理具有周期性和季节性特征的时间序列数据。 模型诊断和交叉验证：为模型提供了详细的残差分析图表和交叉验证工具，帮助评估模型质量。
是不是感觉瞬间轻松了许多？接下来，我们来深入聊聊如何使用 pmdarima，并通过代码实例来体验它的强大之处。
安装与环境配置
要使用 pmdarima，首先要保证你已经安装了基础依赖，如 numpy、scipy 和 scikit-learn。然后通过以下命令安装：
pip install pmdarima
安装完成后，可以通过 import pmdarima 来检查是否成功。如果你是用 conda 环境来管理 Python 库，也可以使用以下命令安装：
conda install -c conda-forge pmdarima
到这一步，pmdarima 就已经在你的环境中就绪了。接下来，我们开始实践吧！
基本功能：自动化 ARIMA 模型选择
pmdarima 最核心的功能就是 auto_arima，它能帮我们自动选择 ARIMA 模型的最佳参数组合，从而避免手动调参的繁琐过程。下面用一个例子来展示如何快速实现时间序列预测：
import pmdarima as pm
import numpy as np
import matplotlib.pyplot as plt# 生成一个简单的时间序列数据（模拟日常数据波动）
np.random.seed(42)
n_samples = 100
data = np.cumsum(np.random.randn(n_samples)) # 随机生成累积和序列
# 使用 auto_arima 选择最佳模型
model = pm.auto_arima(data, seasonal=False, stepwise=True, suppress_warnings=True)
# 输出模型的详细信息
print(model.summary())
# 对未来 10 个时间点进行预测
forecast = model.predict(n_periods=10)
print("未来10个时间点的预测值：", forecast)
# 绘制历史数据及预测值
plt.plot(np.arange(n_samples), data, label='历史数据')
plt.plot(np.arange(n_samples, n_samples + 10), forecast, label='预测值', color='red')
plt.legend()
plt.show()
在这个简单的示例中，auto_arima 会自动尝试不同的模型参数组合，找到最优的 ARIMA 模型，然后利用这个模型对未来 10 个时间点进行预测。最终的预测结果将以红色标出，让我们能够直观地看到模型的效果。
高级功能：季节性 ARIMA 模型（SARIMA）
如果你的数据具有明显的季节性（比如按月销售量、季度用电量等），普通的 ARIMA 模型可能无法很好地处理这种情况。这时我们就要用到 SARIMA 模型。SARIMA（Seasonal ARIMA）通过加入季节性参数，能够更好地拟合具有周期性的数据。
来看个例子：
import pmdarima as pm
import numpy as np
import matplotlib.pyplot as plt# 生成带有季节性特征的时间序列数据
np.random.seed(42)
n_samples = 120
data = np.sin(np.linspace(0, 2 * np.pi, n_samples)) + np.random.normal(scale=0.5, size=n_samples)
# 使用 auto_arima 选择最佳的 SARIMA 模型，周期为12
model = pm.auto_arima(data, seasonal=True, m=12, stepwise=True, suppress_warnings=True)
# 打印模型摘要
print(model.summary())
# 对未来 12 个时间点进行预测
forecast = model.predict(n_periods=12)
print("未来12个时间点的预测值：", forecast)
# 绘制时间序列及预测结果
plt.plot(np.arange(n_samples), data, label='历史数据')
plt.plot(np.arange(n_samples, n_samples + 12), forecast, label='预测值', color='red')
plt.legend()
plt.show()
这里 m=12 表示每年有 12 个月的周期性，比如你在处理按月记录的销售数据时，这个参数非常重要。
模型残差诊断
很多时候，即使模型预测结果看起来不错，我们也需要深入分析模型的残差情况。一个理想的模型，残差应该像白噪声一样没有明显的规律性。如果残差存在模式或者周期性，说明模型没有完全捕捉数据的特征。
在 pmdarima 中，我们可以使用 plot_diagnostics 轻松绘制残差分析图表：
import pmdarima as pm
import numpy as np
import matplotlib.pyplot as plt# 生成示例时间序列数据
np.random.seed(42)
n_samples = 100
data = np.cumsum(np.random.randn(n_samples))
# 使用 auto_arima 选择最佳模型
model = pm.auto_arima(data, seasonal=False, stepwise=True, suppress_warnings=True)
# 绘制模型的残差分析图
model.plot_diagnostics(figsize=(10, 6))
plt.show()
通过 plot_diagnostics 绘制出的图表，你可以清楚地看到残差的分布情况、ACF 图、QQ 图等，从而进一步判断模型的拟合效果。
使用交叉验证评估模型
最后，为了确保模型的稳定性，我们可以使用 pmdarima 的交叉验证工具来评估模型表现：
from pmdarima.model_selection import cross_val_score
import numpy as np
import pmdarima as pm# 生成示例时间序列数据
np.random.seed(42)
n_samples = 100
data = np.cumsum(np.random.randn(n_samples))
# 使用 auto_arima 选择最佳模型
model = pm.auto_arima(data, seasonal=False, stepwise=True, suppress_warnings=True)
# 使用交叉验证评估模型
scores = cross_val_score(model, data, scoring='mean_squared_error', cv=5)
print("交叉验证均方误差：", scores)
在这个例子中，我们使用 5 折交叉验证来评估模型的均方误差（MSE），每一折代表不同训练集上的模型表现。通过这种方式，我们可以更全面地了解模型的泛化能力。
结语
pmdarima 无疑是时间序列分析领域的一个重要工具，不论是初学者还是有经验的开发者，都能从它的功能中获益。它不仅能够自动化 ARIMA 模型选择，还支持季节性调整、残差诊断和交叉验证，让时间序列预测变得更高效、更便捷。希望大家能试试这个库，在项目中发挥它的作用！
你们怎么看这个库？欢迎在评论区分享你的使用经验！
目前，对编程、职场感兴趣的同学，大家可以联系我微信：golang404，拉你进入“程序员交流群”。
资料包含了《IDEA视频教程》、《最全python面试题库》、《最全项目实战源码及视频》及《毕业设计系统源码》，总量高达650GB。全部免费领取！全面满足各个阶段程序员的学习需求。