问题描述
我正在尝试了解有关多元时间序列预测的更多信息。我想根据天气数据预测难民到达欧洲。到达数据来自不同的来源，天气数据也是。有没有办法将这两者结合起来以获得用于多元时间序列预测的数据集？ 1 时间序列：每月到达数据 2 时间序列：天气数据
是否可以用天气数据和到达数据制作一个数据框以将其用于多变量时间序列预测？
对于这个任务，我使用 panda 作为我的主要库和其他一些用于时间序列分析的库。
实现是通过pandas和numpy实现的。
解决方法
Pandas 支持 merge,join,and concatenate 方法将两个或多个数据帧合并为一个。然而，在多变量时间序列预测的情况下，通过特征预处理程序彻底构建您的数据框至关重要。换句话说，您要加入的这两个数据帧应该具有相同的属性（维度、时间分辨率等）和公共 DateTimeIndex。加入两个不同数据帧的操作可以实现为找到它们的DateTimeIndex交点