시계열 분해
시계열 데이터를 시각화할 때는 다음과 같은 뚜렷한 패턴을 확인하면 좋아요:
- seasonality: 데이터에 명확한 주기적 패턴이 보이나요?
- trend: 데이터가 일정한 상승 또는 하락 경향을 따르나요?
- noise: 나머지 데이터와 일치하지 않는 이상치나 결측값이 있나요?
시계열 분해(time-series decomposition)라고 하는 방법을 사용하면 시계열 데이터의 구조를 자동으로 추출하고 정량화할 수 있어요. statsmodels 라이브러리는 시계열 분해를 바로 사용할 수 있는 seasonal_decompose() 함수를 제공합니다.
decomposition = sm.tsa.seasonal_decompose(time_series)
예를 들어 계절성 같은 특정 구성 요소는, 분해 객체의 seasonal 속성에 접근하여 추출할 수 있어요.
이 연습은 강의의 일부입니다
Python으로 시계열 데이터 시각화
연습 안내
statsmodels.api를sm이라는 별칭으로 임포트하세요.co2_levelsDataFrame에 대해 시계열 분해를 수행하고 결과를decomposition변수에 저장하세요.- 시계열 분해의 계절성(seasonality) 구성 요소를 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import statsmodels.api as sm
import ____ as ____
# Perform time series decompositon
decomposition = sm.tsa.____(____)
# Print the seasonality component
print(____)