Décomposition de séries chronologiques

Lorsque vous visualisez des données de séries chronologiques, soyez attentif à certains motifs reconnaissables :

saisonnalité : les données présentent-elles un motif périodique clair?
tendance : les données suivent-elles une pente constante à la hausse ou à la baisse?
bruit : y a-t-il des valeurs aberrantes ou manquantes qui ne sont pas cohérentes avec le reste des données?

Vous pouvez vous appuyer sur une méthode appelée décomposition de séries chronologiques pour extraire automatiquement et quantifier la structure des données. La bibliothèque statsmodels propose la fonction seasonal_decompose() pour effectuer cette décomposition prête à l'emploi.

decomposition = sm.tsa.seasonal_decompose(time_series)

Vous pouvez extraire une composante précise, par exemple la saisonnalité, en accédant à l'attribut seasonal de l'objet de décomposition.

Cette activité fait partie du cours

Visualiser des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Importez statsmodels.api avec l'alias sm.
Effectuez la décomposition de séries chronologiques sur le DataFrame co2_levels et stockez le résultat dans une variable appelée decomposition.
Affichez la composante de saisonnalité de votre décomposition.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import statsmodels.api as sm
import ____ as ____

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

# Print the seasonality component
print(____)

Modifier et exécuter le code