معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Forecasting tools

ویژگی	مقدار
سیستم عامل	-
نام فایل	anticipy-0.2.1
نام	anticipy
نسخه کتابخانه	0.2.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Pedro Capelastegui
ایمیل نویسنده	pedro.capelastegui@sky.uk
آدرس صفحه اصلی	https://github.com/sky-uk/anticipy
آدرس اینترنتی	https://pypi.org/project/anticipy/
مجوز	BSD

Anticipy ======== Anticipy is a tool to generate forecasts for time series. It takes a pandas Series or DataFrame as input, and returns a DataFrame with the forecasted values for a given period of time. Features: * **Simple interface**. Start forecasting with a single function call on a pandas DataFrame. * **Model selection**. If you provide different multiple models (e.g. linear, sigmoidal, exponential), the tool will compare them and choose the best fit for your data. * **Trend and seasonality**. Support for weekly and monthly seasonality, among other types. * **Calendar events**. Provide lists of special dates, such as holiday seasons or bank holidays, to improve model performance. * **Data cleaning**. The library has tools to identify and remove outliers, and to detect and handle step changes in the data. It is straightforward to generate a simple linear model with the tool - just call ``forecast.run_forecast(my_dataframe)``: :: import pandas as pd, numpy as np from anticipy import forecast df = pd.DataFrame({'y': np.arange(0., 5)}, index=pd.date_range('2018-01-01', periods=5, freq='D')) df_forecast = forecast.run_forecast(df, extrapolate_years=1) print(df_forecast.head(12)) Output: :: . date source is_actuals model y q5 q20 q80 q95 0 2018-01-01 src True actuals 0.0 NaN NaN NaN NaN 1 2018-01-02 src True actuals 1.0 NaN NaN NaN NaN 2 2018-01-03 src True actuals 2.0 NaN NaN NaN NaN 3 2018-01-04 src True actuals 3.0 NaN NaN NaN NaN 4 2018-01-05 src True actuals 4.0 NaN NaN NaN NaN 5 2018-01-01 src False linear 0.0 NaN NaN NaN NaN 6 2018-01-02 src False linear 1.0 NaN NaN NaN NaN 7 2018-01-03 src False linear 2.0 NaN NaN NaN NaN 8 2018-01-04 src False linear 3.0 NaN NaN NaN NaN 9 2018-01-05 src False linear 4.0 NaN NaN NaN NaN 10 2018-01-06 src False linear 5.0 5.0 5.0 5.0 5.0 11 2018-01-07 src False linear 6.0 6.0 6.0 6.0 6.0 Documentation is available in `Read the Docs <https://anticipy.readthedocs.io/en/latest/>`_

نیازمندی

مقدار	نام
>=1.15.1	numpy
>=0.23.0	pandas
>=1.0.0	scipy
>=3.5.0	plotly
>=2.2.3	matplotlib
>=5.8.0	ipython
>=5.3	notebook
==7.5	ipywidgets

نحوه نصب

نصب پکیج whl anticipy-0.2.1:

pip install anticipy-0.2.1.whl

نصب پکیج tar.gz anticipy-0.2.1:

pip install anticipy-0.2.1.tar.gz