सीज़नल डीकंपोज़
आप किसी time series को ट्रेंड, सीज़नल और रेजिडुअल कंपोनेंट्स के योग के रूप में देख सकते हैं। मॉडलिंग करते समय डेटा को इसी तरह सोचना उपयोगी होता है। अगर आपको time series की period पता हो, तो आप इसे इन कंपोनेंट्स में डीकंपोज़ कर सकते हैं.
इस अभ्यास में आप USA में प्रति गाय मासिक दूध उत्पादन दिखाने वाली time series को डीकंपोज़ करेंगे। इससे आपको ट्रेंड और सीज़नल साइकल का साफ़ दृश्य मिलेगा। डेटा मासिक है, इसलिए आप मानेंगे कि सीज़नैलिटी 12 time periods की हो सकती है, हालाँकि यह हमेशा सही नहीं होता.
दूध उत्पादन की time series DataFrame milk_production में लोड की गई है और आपके एनवायरनमेंट में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में ARIMA Models
अभ्यास निर्देश
statsmodels.tsa.seasonalसेseasonal_decompose()फंक्शन इम्पोर्ट करें.milk_productionके'pounds_per_cow'कॉलम को additive मॉडल और 12 महीनों की period के साथ डीकंपोज़ करें.- डीकंपोज़िशन को प्लॉट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import seasonal decompose
from ____ import ____
# Perform additive decomposition
decomp = seasonal_decompose(___,
period=____)
# Plot decomposition
____
plt.show()