Säsongsdekomposition II
Nu ska vi titta på hur vi kan identifiera och visualisera säsongsmönster och trender i miljödata.
Du använder statsmodels.seasonal_decompose() för att utföra dekompositionen och sedan plotta resultaten.
Du samplar även om data till ett timintervall för att se längre trender. Ett för kort intervall gör det svårt att urskilja tydliga trender och säsongsmönster.
matplotlib.pyplot as plt och import statsmodels.api as sm har redan importerats, och data har laddats in som df.
Den här övningen är en del av kursen
Analysera IoT-data i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Resample DataFrame to 1h
df_seas = df.resample('1h').max()
# Run seasonal decompose
decomp = ____