好棒！

统计分析理论相关书籍：

1、贾俊平《统计学》

2、《统计学的世界》

与R相关的：《R语言与统计分析》《R语言与数据挖掘最佳实践和经典案例》

与python相关的：《Python统计分析》

这是老师布置的课后作业吧

你可以根据老师上课讲的内容查一些评价指标，辅助你做判断，而且和你画图的方式也有点关系，你可以将两张图的纵坐标最大值和最小值设定统一的，看起来可能会更好一些

这个只能看你能接受的误差程度，这样通过图形来看，预测效果一般吧

我这个做出来是不是效果不太好?

明白了！谢谢！

你看下能不能明白呀

import pandas as pd

import numpy as np

#导入数据

data=pd.read_excel("D:\\360安全浏览器下载\\1606269162_843604.xlsx")

#我这里以x1为例讲解shift和滞后呀，

#比如shift(6)表示滞后6期

data["X1_滞后6期"]=data["X1"].shift(6)

data.loc[:10,["月份","X1","X1_滞后6期"]]

这个shift（6）是原始数据整个向下移动6行吗，那这样的话，不就相当于自己减去6期之前的自己吗

是的，离predict前面最近的fit就是那个predict预测用到的回归系数估计结果

这两步红框中预测用到的模型是蓝框中这步训练出来的模型结果预测的吗

对的

你看下是想要这样的结果吗

import pandas as pd

import numpy as np

#导入数据

data=pd.read_excel("D:\\360安全浏览器下载\\1606269162_843604.xlsx")

#计算简单的移动平均数

#在series下面有rolling方法可以对这个series进行滚动的移动平均计算

#只以X1为例进行说明

data["X1_3期移动平均"]=data["X1"].rolling(3).mean()

data["同比6期增长率"]=(data["X1_3期移动平均"]-data["X1_3期移动平均"].shift(6))/(data["X1_3期移动平均"].shift(6))

data["同比12期增长率"]=(data["X1_3期移动平均"]-data["X1_3期移动平均"].shift(12))/(data["X1_3期移动平均"].shift(12))

data["同比24期增长率"]=(data["X1_3期移动平均"]-data["X1_3期移动平均"].shift(24))/(data["X1_3期移动平均"].shift(24))

比如2012年10,11,12月的均值 跟6个月前的均值同比，就是2012年10，11,12月三个月的均值，跟2012年4月5月6月三个月的均值同比，同比公式（2012年10,11,12月的均值-2012年4月5月6月均值）/2012年4月5月6月均值，这是6个月同比，同理，如果是12个月同比，就是2012年10,11,12月的均值往前推12个月的三个月均值进行比较，24个月同比就是往前推24个月的均值同比

你可以在excel上算下结果，把你想要的结果贴出来。excel上算的话应该比较容易。然后我再给你写python代码呀

不太明白呀，你要生成的三列数据的名字叫什么，看你的描述不是只增加三列数据呀

可以再加上三列，分别是3个月均值环比6个月，12个月，24个月的增减幅吗

python的pandas库计算移动平均值





import pandas as pd
import numpy as np
#导入数据
data=pd.read_excel("D:\\360安全浏览器下载\\1606269162_843604.xlsx")
#计算简单的移动平均数
#在series下面有rolling方法可以对这个series进行滚动的移动平均计算
xlist=["X1","X2","X3"]
for x in xlist:
    for n in [3,6]:        
        data[x+"_"+str(n)+"期移动平均值"]=data[x].rolling(n).mean()

对，还有6个月均值

是这个意思吗？