Descomposición de series temporales

Al visualizar datos de series temporales, conviene fijarse en ciertos patrones característicos:

estacionalidad: ¿los datos muestran un patrón periódico claro?
tendencia: ¿los datos siguen una pendiente ascendente o descendente de forma consistente?
ruido: ¿hay valores atípicos o faltantes que no sean coherentes con el resto de los datos?

Puedes usar un método llamado descomposición de series temporales para extraer y cuantificar automáticamente la estructura de los datos. La biblioteca statsmodels ofrece la función seasonal_decompose() para realizar la descomposición de serie temporal directamente.

decomposition = sm.tsa.seasonal_decompose(time_series)

Puedes extraer un componente específico, por ejemplo la estacionalidad, accediendo al atributo seasonal del objeto de descomposición.

Este ejercicio forma parte del curso

Visualización de datos temporales en Python

Ver curso

Instrucciones del ejercicio

Importa statsmodels.api con el alias sm.
Realiza la descomposición de la serie temporal del DataFrame co2_levels en una variable llamada decomposition.
Imprime el componente de estacionalidad de tu descomposición de series temporales.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import statsmodels.api as sm
import ____ as ____

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

# Print the seasonality component
print(____)

Editar y ejecutar código