Zeitreihenzerlegung

Beim Visualisieren von Zeitreihen solltest du auf einige erkennbare Muster achten:

Saisonalität: zeigt die Datenreihe ein klares periodisches Muster?
Trend: folgt die Datenreihe einem gleichmäßigen Aufwärts- oder Abwärtstrend?
Rauschen: gibt es Ausreißer oder fehlende Werte, die nicht zum restlichen Verlauf passen?

Du kannst eine Methode namens Zeitreihenzerlegung nutzen, um die Struktur von Zeitreihen automatisch zu extrahieren und zu quantifizieren. Die Bibliothek statsmodels stellt dafür die Funktion seasonal_decompose() bereit.

decomposition = sm.tsa.seasonal_decompose(time_series)

Du kannst eine bestimmte Komponente, zum Beispiel die Saisonalität, extrahieren, indem du auf das Attribut seasonal des Zerlegungsobjekts zugreifst.

Diese Übung ist Teil des Kurses

Zeitreihendaten in Python visualisieren

Kurs anzeigen

Anleitung zur Übung

Importiere statsmodels.api mit dem Alias sm.
Führe die Zeitreihenzerlegung auf dem DataFrame co2_levels durch und speichere das Ergebnis in einer Variablen decomposition.
Gib die Saisonalitätskomponente deiner Zeitreihenzerlegung aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import statsmodels.api as sm
import ____ as ____

# Perform time series decompositon
decomposition = sm.tsa.____(____)

# Print the seasonality component
print(____)

Code bearbeiten und ausführen