时间序列分解
在可视化时间序列数据时，您需要留意以下几类显著模式：
- 季节性（seasonality）：数据是否呈现清晰的周期性变化？
- 趋势（trend）：数据是否持续向上或向下变化？
- 噪声（noise）：是否存在与整体模式不一致的异常点或缺失值？
您可以使用时间序列分解（time-series decomposition）来自动提取并量化时间序列的结构。statsmodels 库提供了开箱即用的 seasonal_decompose() 函数来完成分解。
decomposition = sm.tsa.seasonal_decompose(time_series)
您可以通过访问分解对象的 seasonal 属性来提取某个特定分量，例如季节性。
本练习是课程的一部分
用 Python 可视化时间序列数据
练习说明
- 将
statsmodels.api以别名sm导入。 - 对
co2_levels数据框执行时间序列分解，并将结果保存到名为decomposition的变量中。 - 打印您时间序列分解的季节性分量。
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 statsmodels.api as sm
import ____ as ____
# Perform time series decompositon
decomposition = sm.tsa.____(____)
# Print the seasonality component
print(____)