Décomposition saisonnière II
Voyons maintenant comment détecter et visualiser la saisonnalité et les tendances dans les données environnementales.
Vous allez utiliser statsmodels.seasonal_decompose() pour effectuer la décomposition, puis tracer les résultats.
Vous allez également rééchantillonner les données à un intervalle horaire pour observer des tendances plus longues. Choisir un intervalle trop court vous empêchera de voir des tendances et des saisonnalités nettes.
matplotlib.pyplot as plt et import statsmodels.api as sm ont été importés pour vous et les données ont été chargées dans df.
Cet exercice fait partie du cours
<cours>Analyzing IoT Data in Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Resample DataFrame to 1h
df_seas = df.resample('1h').max()
# Run seasonal decompose
decomp = ____