Построение модели SARIMA с помощью Python+R

[werwooolf]

Вот вы вроде и умные вещи говорите. Тем не менее ваша карма легко угадывается еще до захода в профайл.

[kuznetsovin]

Как замену reshepe на pythone можно использовать pandas или numpy, они включают подобные функции. Можно узнать, чем kpss лучше adf теста и почему надо применить именно его?

[DreamWalker]

Спасибо за чудесную статью. Сам давно присматривался к связке R+Python, но в реальной жизни мне так и не попалось ни одной задачи, в которой связка была бы оправдана: всё отлично решалось либо полностью на R, либо полностью на Python.
Вы пишете: «если данные требуют предварительной обработки, то ее проще произвести на Python». А вы можете привести пример задачи из вашей модели, которая действительно решается намного проще на Python, чем на R. Т.е. я прошу на примере обосновать необходимость использования двух языков.

[kuznetsovin]

А вы можете привести пример задачи из вашей модели, которая действительно решается намного проще на Python, чем на R. Т.е. я прошу на примере обосновать необходимость использования двух языков.

Это сугубо мое субъективное мнение и оно не является истиной в последней инстанции, просто лично для меня было реально удобней обработать данные на python.
Это заняло у меня меньше времени, синтаксис python мне более приятней и плюс в данные я сначала брал из БД Orace из python'a это делается в 2 строки (как в R не знаю) ну и читабельность кода в python на мой взляд проще, например

b = a.diff()

смотрится красивее

b <- diff(a)

Вот еще например на python срез данных за 2011 получается просто

otg[2011]

В R это заняло бы больше 1 строки (насколько я знаю).
Плюс при загрузке данных в python временный ряд создается сразу при загрузке с индексами в виде дат:

dataset = read_csv('DataSets/tovar_moving.csv',';', index_col=['date'], parse_dates=['date'], dayfirst=True)

Опять же таки в R это действие займет больше одной строки:

workfile <- file.path("/Users/igorkuznetsov/Projects/DataScience/DataSets/tovar_moving.csv")
datawork <- read.csv(workfile, header = TRUE, sep = ";", quote="\"", dec=".", fill = TRUE, comment.char=""  )
y <- zoo(datawork$qty, as.Date(datawork$date,"%d.%m.%Y"))