如何用python发现数据集中的趋势

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 假设我们有一个CSV文件，其中包含时间序列数据
# 数据格式为：日期,值
data = pd.read_csv('time_series_data.csv', parse_dates=['日期'], index_col='日期')

# 计算移动平均线，以平滑数据并揭示趋势
data['移动平均'] = data['值'].rolling(window=30).mean()

# 绘制原始数据和移动平均线
plt.figure(figsize=(14, 7))
plt.plot(data.index, data['值'], label='原始数据')
plt.plot(data.index, data['移动平均'], label='30天移动平均', color='red')
plt.title('数据趋势分析')
plt.xlabel('日期')
plt.ylabel('值')
plt.legend()
plt.show()

# 使用线性回归分析趋势
from sklearn.linear_model import LinearRegression

# 准备数据
X = np.array(range(len(data))).reshape(-1, 1)
y = data['值'].values

# 创建线性回归模型
model = LinearRegression()
model.fit(X, y)

# 获取斜率（趋势）
slope = model.coef_[0]
print(f'线性趋势斜率: {slope}')

# 预测未来的值（示例）
future_days = 30
future_X = np.array(range(len(data), len(data) + future_days)).reshape(-1, 1)
future_predictions = model.predict(future_X)
print(f'未来{future_days}天的预测值: {future_predictions}')