季节性分解
您可以把时间序列看作由趋势、季节性和残差三个部分组成。在建模时，这种思路很有帮助。如果您知道时间序列的周期，就可以将其分解为这些成分。
在本练习中，您将分解一条时间序列：美国每头奶牛的月度产奶量。这样可以更清楚地看到趋势和季节循环。由于数据是按月记录，您可以猜测季节性周期为 12 个时间段，但请注意并非总是如此。
产奶量时间序列已载入到 DataFrame milk_production，可在您的环境中使用。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 从
statsmodels.tsa.seasonal导入seasonal_decompose()函数。 - 使用加性模型，并将周期设为 12 个月，对
milk_production的'pounds_per_cow'列进行分解。 - 绘制分解结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import seasonal decompose
from ____ import ____
# Perform additive decomposition
decomp = seasonal_decompose(___,
period=____)
# Plot decomposition
____
plt.show()