…接上

Step 7. SARIMAX

在前面理论部分，我们已经介绍了SARIMAX模型的基本原理，相比于SARIMA，它只不过增加了对已知外部变量进入回归模型的支持。虽然在本例中并没有非常有帮助的外部变量，但是没关系，我们只是需要演示一下这个模型的用法。
我们可以使用是否是节假日作为外部变量。

from datetime import date
import holidays

us_holidays = holidays.US()

df_store_2_item_28_with_holiday = df_store_2_item_28.copy()
df_store_2_item_28_with_holiday['holiday'] = df_store_2_item_28_with_holiday.date.apply(us_holidays.get)
df_store_2_item_28_with_holiday.head()

df_store_2_item_28_with_holiday['holiday'].fillna('Normal Day',inplace=True)
df_store_2_item_28_with_holiday.holiday.value_counts()

df_store_2_item_28_with_holiday['holiday'] = df_store_2_item_28_with_holiday.holiday.astype('category')

df_store_2_item_28_with_holiday['hcode'] = df_store_2_item_28_with_holiday.holiday.cat.codes

df_store_2_item_28_with_holiday.head()

好，我们已经创建了一个新变量hcode，是对节假日的编码；就用这个变量最为外部变量。原SARIMA部分采用自动模型选择的参数。

import statsmodels.api as sm
exog = sm.add_constant(df_store_2_item_28_with_holiday.set_index('date').loc[:, 'hcode'])
sarimax_model = SARIMAX(df_store_2_item_28_time, exog,order=(6,1,1), seasonal_order=(6,1,0,7))

sarimax_results = sarimax_model.fit()

# Calculate the mean absolute error from residuals
mae = np.mean(np.abs(sarimax_results.resid))

# Print mean absolute error
print('MAE: %.3f' % mae)

MAE: 4.787

和SARIMA2的结果几乎一样，看上去我们以假期来营造的这个外部变量并没有什么用。没关系，我们只是演示一下而已。

未完待续…