時間序列分解
在視覺化時間序列資料時，你應該留意幾個可辨識的模式：
- seasonality：資料是否呈現明顯的週期性變化？
- trend：資料是否展現穩定的上升或下降趨勢？
- noise：是否有與整體資料不一致的離群點或遺漏值？
你可以依靠稱為時間序列分解的方法，來自動擷取並量化時間序列資料的結構。statsmodels 函式庫提供 seasonal_decompose()，可直接進行時間序列分解。
decomposition = sm.tsa.seasonal_decompose(time_series)
你可以透過存取分解物件的 seasonal 屬性，擷取特定成分（例如季節性）。
本練習屬於課程
使用 Python 視覺化時間序列資料
練習說明
- 以別名
sm匯入statsmodels.api。 - 對
co2_levelsDataFrame 進行時間序列分解，並將結果指定給變數decomposition。 - 印出時間序列分解的季節性成分。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import statsmodels.api as sm
import ____ as ____
# Perform time series decompositon
decomposition = sm.tsa.____(____)
# Print the seasonality component
print(____)