python中有没有简单的方法可以将数据点外推到未来？

我有一个简单的numpy数组，每个日期都有一个数据点。大概是这样的：

>>> import numpy as np
>>> from datetime import date
>>> from datetime import date
>>> x = np.array( [(date(2008,3,5), 4800 ), (date(2008,3,15), 4000 ), (date(2008,3,
20), 3500 ), (date(2008,4,5), 3000 ) ] )

有没有简单的方法来推断未来的数据点：日期（2008,5,1），日期（2008,5,20）等等？我知道这可以通过数学算法来实现。但我在这里寻找一些低垂的果实。实际上，我喜欢numpy.linalg.solve的功能，但它看起来不适用于外推。也许我完全错了

实际上，更具体地说，我正在建立一个消耗图表（xp术语）：“x=日期，y=要完成的工作量”，因此我已经完成了冲刺，我想想象一下如果当前情况持续下去，未来的冲刺将如何进行。最后我想预测发布日期。所以“要完成的工作量”的本质是，它总是在消耗图表上下降。我还想得到外推的发布日期：卷变为零的日期

---

这一切都是为了向开发团队展示事情的进展。精确性在这里并不重要：）开发团队的动机是主要因素。这意味着我完全可以使用非常近似的外推技术。

在这种情况下，数学模型是可行的。例如，如果只有三个数据点，则绝对无法指示趋势将如何展开（可以是两条抛物线中的任意一条）

---

学习一些统计学课程，并尝试实现算法。试试。

您必须指定需要外推的函数。 然后，您可以使用回归来查找函数的参数。并在未来进行推断

例如： 将日期转换为x值，并将第一天用作x=0。对于您的问题，这些值应该是近似值 （0,1.2）、（400,1.8）、（900,5.3）

现在你们决定他的观点是关于类型的函数 a+bx+cx^2

用最小静噪法求a、b和c

---

（我将提供完整的源代码，但稍后，因为我没有时间来做这件事）

进行外推的一种简单方法是使用插值多项式或样条曲线：在中有许多用于此的例程，而且非常容易使用（只需给出（x，y）点，就可以得到一个函数[可调用的，精确地]）

---

现在，正如本线程中所指出的，如果您没有数据模型，您不能期望外推总是有意义的（特别是当您远离数据点时）。但是，我鼓励您使用scipy.interpolate中的多项式或样条插值，看看您获得的结果是否适合您。

外推很容易产生垃圾；试试这个。 当然，许多不同的推断是可能的； 一些产生明显的垃圾，一些不明显的垃圾，许多是不明确的

补充：a说， “中FITPACK类的行为 scipy.interpolate比文档中让人相信的要复杂得多。”--

---

其他软件文档也是如此。

完全同意，确实理解，但想澄清一下，我只是在检查是否有numpy.extraction函数已经存在，参数为“选择外推方法”：）这就是为什么当你搜索“统计python”时我称之为“低垂果实”的原因。你发现了什么？关于你发现的任何统计数据包有什么问题吗？如果不知道这些数据的性质，很难谈论任何外推。就我们所见，上述情况可能是任何情况（不排除随机值），因此谈论任何实际方法都只是猜测。完善这个问题。你完全正确！精确。插值不是外推，相反。

""" extrapolate y,m,d data with scipy UnivariateSpline """
import numpy as np
from scipy.interpolate import UnivariateSpline
    # pydoc scipy.interpolate.UnivariateSpline -- fitpack, unclear
from datetime import date
from pylab import *  # ipython -pylab

__version__ = "denis 23oct"


def daynumber( y,m,d ):
    """ 2005,1,1 -> 0  2006,1,1 -> 365 ... """
    return date( y,m,d ).toordinal() - date( 2005,1,1 ).toordinal()

days, values = np.array([
    (daynumber(2005,1,1), 1.2 ),
    (daynumber(2005,4,1), 1.8 ),
    (daynumber(2005,9,1), 5.3 ),
    (daynumber(2005,10,1), 5.3 )
    ]).T
dayswanted = np.array([ daynumber( year, month, 1 )
        for year in range( 2005, 2006+1 )
        for month in range( 1, 12+1 )])

np.set_printoptions( 1 )  # .1f
print "days:", days
print "values:", values
print "dayswanted:", dayswanted

title( "extrapolation with scipy.interpolate.UnivariateSpline" )
plot( days, values, "o" )
for k in (1,2,3):  # line parabola cubicspline
    extrapolator = UnivariateSpline( days, values, k=k )
    y = extrapolator( dayswanted )
    label = "k=%d" % k
    print label, y
    plot( dayswanted, y, label=label  )  # pylab

legend( loc="lower left" )
grid(True)
savefig( "extrapolate-UnivariateSpline.png", dpi=50 )
show()