准备多个时间序列预测的数据

学习目标

• 说明如何组织和分组数据集以支持多个时间序列预测。

在单变量预测中，我们将所有过夜时间建模为一个组合时间序列。但是，实际场景通常需要对每个子组（例如地区、产品，或在本例中为居住国家/地区）进行单独预测。在本课中，你将了解如何准备数据集，以通过按国家/地区过滤和聚合数据来支持分组时间序列预测。

准备多变量场景的数据集

在上一节中，我们重点介绍了单变量时间序列建模场景，在该场景中，我们将所有余夜汇总为每月值，并预测接下来的 12 个月。

在本节中，我们将重点介绍多变量时间序列建模场景，在该场景中，我们为大多数访客来自的国家/地区创建单独的预测。

因此，让我们来了解过夜次数最多的前 10 个国家/地区。

hdf_overnightstays = conn.table('OVERNIGHTSTAYS')
hdf_overnightstays.agg([('sum', 'OVERNIGHTSTAYS', 'TOTAL')], group_by='COUNTRYOFRESIDENCE' ).sort('TOTAL', desc=True).head(10).collect()

	COUNTRYOFRESIDENCE	TOTAL
0	瑞士	50087144
1	德国	8885041
2	美国	6365130
3	英国	3726785
4	法国	3279915
5	意大利	2027511
6	荷兰	1676202
7	比利时	1282186
8	印度	1210124
9	西班牙	1056512

我们需要使用上述国家/地区的清单作为整个表的过滤器。

可通过为"where 子句"创建逗号分隔的值列表来完成此操作，如下所示：

countries = hdf_overnightstays.agg([('sum', 'OVERNIGHTSTAYS', 'TOTAL')], group_by='COUNTRYOFRESIDENCE') \
.sort('TOTAL', desc=True).select('COUNTRYOFRESIDENCE').head(10).collect() \
.iloc[:,0].tolist()

countries = str(countries)
countries = countries.replace('[', '(')
countries = countries.replace(']', ')')
countries

"('瑞士', '德国', '美国', '英国', '法国', '意大利', '荷兰', '比利时', '印度', '西班牙')"

目前，SAP HANA 数据框架仅保存上述前 10 个国家/地区的相关信息。

接下来，我们再次聚合数据集，但这次按月份和国家/地区聚合。因此，我们能够创建国家/地区特定的预测。

hdf_overnightstays = hdf_overnightstays.filter(f'''"COUNTRYOFRESIDENCE" IN {countries}''')
hdf_overnightstays.head(10).collect()

	月份	地区	COUNTRYOFRESIDENCE	OVERNIGHTSTAYS
0	2022-01-01	弗里堡州	印度	0
1	2022 年 1 月 1 日	格劳宾登州	意大利	10083
2	2022 年 1 月 1 日	格劳宾登州	西班牙	1586
3	2022 年 1 月 1 日	瑞士东部	意大利	1167
4	2022 年 1 月 1 日	瑞士东部	西班牙	212
5	2022 年 1 月 1 日	苏黎世州	西班牙	2949
6	2022 年 1 月 1 日	卢塞恩/卢塞恩湖	西班牙	523
7	2022 年 1 月 1 日	巴塞尔地区	意大利	1356
8	2022 年 1 月 1 日	巴塞尔地区	西班牙	672
9	2022 年 1 月 1 日	伯尔尼州	意大利	2724

现在，我们按月和国家汇总过夜，如下所示：

hdf_overnightstays_agg = hdf_overnightstays.agg([('sum', 'OVERNIGHTSTAYS', 'OVERNIGHTSTAYS_SUM')], group_by=['MONTH', 'COUNTRYOFRESIDENCE'])
hdf_overnightstays_agg = hdf_overnightstays_agg.sort('MONTH')
hdf_overnightstays_agg.head(5).collect()

	月份	COUNTRYOFRESIDENCE	OVERNIGHTSTAYS_SUM
0	2022 年 1 月 1 日	印度	4701
1	2022 年 1 月 1 日	法国	63084
2	2022 年 1 月 1 日	意大利	43065
3	2022 年 1 月 1 日	德国	206477
4	2022 年 1 月 1 日	比利时	26172

之后，让我们准备数据集以绘制每个国家/地区随时间变化的过夜，如下所示：

hdf_overnightstays_plot = hdf_overnightstays_agg.pivot_table(values='OVERNIGHTSTAYS_SUM', index='MONTH', columns='COUNTRYOFRESIDENCE', aggfunc='sum').collect()
hdf_overnightstays.collect()

	月份	地区	COUNTRYOFRESIDENCE	OVERNIGHTSTAYS
0	2022 年 1 月 1 日	弗里堡州	印度	0
1	2022 年 1 月 1 日	格劳宾登州	意大利	10083
2	2022 年 1 月 1 日	格劳宾登州	西班牙	1586
3	2022 年 1 月 1 日	瑞士东部	意大利	1167
4	2022 年 1 月 1 日	瑞士东部	西班牙	212
...	...	...	...	...
3765	2024-05-01	日内瓦	印度	6887
3766	2024-05-01	瓦莱州	印度	4866
3767	2024-05-01	提契诺	印度	2215
3768	2024-05-01	弗里堡州	印度	157
3769	2024-05-01	阿尔高-索洛图恩州	印度	3954

3770 行 × 4 列

我们按如下方式生成绘图：

hdf_overnightstays_plot.plot(x='MONTH').legend(loc='center left',bbox_to_anchor=(1.0, 0.5));

plt.xticks(rotation='vertical')
plt.grid()
plt.show()

上一图人口密集。因此，我们决定关注最热门的两个外国。

接下来，我们只为德国和美国创造情节。

hdf_overnightstays_plot[['MONTH', 'Germany', 'United States']].plot(x='MONTH').legend(loc='center left',bbox_to_anchor=(1.0, 0.5));

plt.xticks(rotation='vertical')
plt.grid()
plt.show()

通过查看上面的情节，我们确定了两个国家/地区过夜停留中的相似之处，其中夏季更明显。

每个国家/地区的单独预测可以捕获此类单独的模式。