Tidsseriedekomposition
När du visualiserar tidsseriedata bör du hålla utkik efter några tydliga mönster:
- säsongsvariation: uppvisar datan ett tydligt periodiskt mönster?
- trend: följer datan en konsekvent uppåt- eller nedåtgående riktning?
- brus: finns det avvikande datapunkter eller saknade värden som inte stämmer överens med resten av datan?
Du kan använda en metod som kallas tidsseriedekomposition för att automatiskt extrahera och kvantifiera strukturen i tidsseriedata. Biblioteket statsmodels tillhandahåller funktionen seasonal_decompose() för att utföra tidsseriedekomposition direkt.
decomposition = sm.tsa.seasonal_decompose(time_series)
Du kan extrahera en specifik komponent, till exempel säsongsvariationen, genom att hämta attributet seasonal från dekompositionsobjektet.
Den här övningen är en del av kursen
Visualisering av tidsseriedata i Python
Övningsinstruktioner
- Importera
statsmodels.apimed aliasetsm. - Utför tidsseriedekomposition på DataFrame:n
co2_levelsoch spara resultatet i en variabel kalladdecomposition. - Skriv ut säsongskomponenten från din tidsseriedekomposition.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import statsmodels.api as sm
import ____ as ____
# Perform time series decompositon
decomposition = sm.tsa.____(____)
# Print the seasonality component
print(____)