Décomposition de séries temporelles

Lorsque vous visualisez des données de séries temporelles, soyez attentif à certains motifs caractéristiques :

saisonnalité : les données présentent-elles un motif périodique clair ?
tendance : les données suivent-elles une pente régulière 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 série temporelle pour extraire et quantifier automatiquement la structure des données. La bibliothèque statsmodels fournit la fonction seasonal_decompose() pour réaliser la décomposition directement.

decomposition = sm.tsa.seasonal_decompose(time_series)

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

Cet exercice fait partie du cours

Visualiser des séries temporelles en Python

Afficher le cours

Instructions

Importez statsmodels.api sous l’alias sm.
Effectuez la décomposition de série temporelle sur le DataFrame co2_levels dans une variable appelée decomposition.
Affichez la composante de saisonnalité de votre décomposition de série temporelle.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import statsmodels.api as sm
import ____ as ____

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

# Print the seasonality component
print(____)

Modifier et exécuter le code