시작하기무료로 시작하기

계절 분해

시계열은 추세, 계절, 오차(잔차) 성분으로 이루어졌다고 볼 수 있어요. 이는 모델링을 할 때 데이터를 이해하는 좋은 틀이 됩니다. 시계열의 주기를 알면 이러한 성분으로 분해할 수 있어요.

이 연습 문제에서는 미국에서 소 한 마리당 월별 우유 생산량 시계열을 분해해 보겠습니다. 이를 통해 추세와 계절 순환을 더 명확히 파악할 수 있어요. 데이터가 월별이므로 계절성은 12개월 주기일 것이라고 가정해 볼 수 있지만, 항상 그런 것은 아닙니다.

우유 생산량 시계열은 DataFrame milk_production에 로드되어 있으며, 작업 환경에서 사용할 수 있어요.

이 연습은 강의의 일부입니다

Python으로 배우는 ARIMA 모델

강의 보기

연습 안내

  • statsmodels.tsa.seasonal에서 seasonal_decompose() 함수를 임포트하세요.
  • milk_production의 'pounds_per_cow' 열을 가법(additive) 모형과 12개월 주기로 분해하세요.
  • 분해 결과를 그래프로 그리세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import seasonal decompose
from ____ import ____

# Perform additive decomposition
decomp = seasonal_decompose(___, 
                            period=____)

# Plot decomposition
____
plt.show()
코드 편집 및 실행