Dekompozycja sezonowości II
Przyjrzyjmy się teraz, jak wykrywać i wizualizować sezonowość oraz trendy w danych środowiskowych.
Do dekompozycji użyjesz funkcji statsmodels.seasonal_decompose(), a następnie zwizualizujesz wyniki.
Dane zostaną również ponownie próbkowane do interwału godzinowego, co pozwoli dostrzec długoterminowe trendy. Zbyt krótki interwał uniemożliwia wyraźne zaobserwowanie trendów i sezonowości.
matplotlib.pyplot as plt oraz import statsmodels.api as sm zostały już zaimportowane, a dane wczytane jako df.
To ćwiczenie jest częścią kursu
Analiza danych IoT w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Resample DataFrame to 1h
df_seas = df.resample('1h').max()
# Run seasonal decompose
decomp = ____