Сезонная декомпозиция II
Давайте посмотрим, как можно обнаружить и визуализировать сезонность и тренды в данных об окружающей среде.
Для декомпозиции вы будете использовать statsmodels.seasonal_decompose(), а затем построите графики результатов.
Также вы выполните ресэмплинг данных до часового интервала, чтобы увидеть более долгосрочные тренды. Слишком короткий интервал не позволит чётко выявить тренды и сезонности.
matplotlib.pyplot as plt и import statsmodels.api as sm уже импортированы, а данные загружены в переменную df.
Это упражнение является частью курса
Анализ данных Интернета вещей на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Resample DataFrame to 1h
df_seas = df.resample('1h').max()
# Run seasonal decompose
decomp = ____