需要予測のための時系列EDA（探索的データ分析）

金融分野での実務経験が豊富で、証券アナリスト資格を保有しています。
Pythonを用いた需要予測・売上予測（LightGBM・Prophet）やEDA・特徴量設計に取り組んだ経験があります。
また、POSデータや携帯位置情報などのビッグデータを活用した株価予測モデルの開発経験もあります。

概要

このプロジェクトは、需要予測（売上予測）における時系列データの探索的データ分析（EDA）を示すサンプルです。 Pythonを用いて売上データのトレンド、季節性、曜日別傾向、月別傾向、自己相関などを視覚的に確認できます。

Notebook

time_series_eda_sample.ipynb

このNotebookで行うEDA

本Notebookでは以下の分析を行います。

1. ダミー売上データ作成
2. 基本統計量の確認
3. 時系列プロット
4. 移動平均によるトレンド確認
5. 曜日別売上分析
6. 月別売上分析
7. ラグプロット（自己相関の確認；ラグ分析、季節ラグ分析、ラグ相関分析）
8. ACF / PACF
9. 季節分解（STL）
10. 定常性チェック（ADF検定）
11. 定常性チェック（トレンドありADF検定）
12. 差分による定常化
13. 差分による定常化後、再度ADF検定
14. 差分後 ACF / PACF
15. EDAまとめ

使用ライブラリ

pandas numpy matplotlib seaborn statsmodels japanize-matplotlib

インストール

pip install pandas numpy matplotlib seaborn　statsmodels japanize-matplotlib

このNotebookの用途

需要予測プロジェクトのEDAに利用できます。
売上データ分析に利用できます。