问题描述
我最近遇到了 pycausalimpact。
https://pypi.org/project/pycausalimpact/
import numpy as np
import pandas as pd
from statsmodels.tsa.arima_process import ArmaProcess
from causalimpact import CausalImpact
np.random.seed(12345)
ar = np.r_[1,0.9]
ma = np.array([1])
arma_process = ArmaProcess(ar,ma)
X = 100 + arma_process.generate_sample(nsample=100)
y = 1.2 * X + np.random.normal(size=100)
y[70:] += 5
data = pd.DataFrame({'y': y,'X': X},columns=['y','X'])
pre_period = [0,69]
post_period = [70,99]
ci = CausalImpact(data,pre_period,post_period)
print(ci.summary())
print(ci.summary(output='report'))
ci.plot()
该通用代码在给定的示例中运行良好。现在,我正在尝试在 pycausalimpact 示例中运行我自己的数据,如下所示。
import sys
import os
import numpy as np
import pandas as pd
from IPython.core.pylabtools import figsize
import statsmodels as sm
from statsmodels.tsa.statespace.structural import UnobservedComponents
from statsmodels.tsa.arima_process import ArmaProcess
from matplotlib import pyplot as plt
from causalimpact import CausalImpact
import warnings
y = fus['days']
X = fus[['market_cat','mmepool_cat','submarket_cat','local_market_cat','project_type_cat','site_status_cat','city_cat','state_cat']]
我挣扎的部分在这里:
ci = CausalImpact(data,post_period)
print(ci.summary())
print(ci.summary(output='report'))
ci.plot()
我需要如何准备“数据”、“pre_period”和“post_period”才能在我的特定数据集中工作?这是我的一些实际数据。
y =
X =
基本上,我想看看自变量和因变量(天)之间是否存在某种因果关系。或者……是否有更好/替代的方法来确定和衡量因果关系?谢谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)