分解趋势、季节和剩余时间序列要素

Question

我有一个带有几个时间序列的DataFrame：

         divida    movav12       var  varmovav12
Date                                            
2004-01       0        NaN       NaN         NaN
2004-02       0        NaN       NaN         NaN
2004-03       0        NaN       NaN         NaN
2004-04      34        NaN       inf         NaN
2004-05      30        NaN -0.117647         NaN
2004-06      44        NaN  0.466667         NaN
2004-07      35        NaN -0.204545         NaN
2004-08      31        NaN -0.114286         NaN
2004-09      30        NaN -0.032258         NaN
2004-10      24        NaN -0.200000         NaN
2004-11      41        NaN  0.708333         NaN
2004-12      29  24.833333 -0.292683         NaN
2005-01      31  27.416667  0.068966    0.104027
2005-02      28  29.750000 -0.096774    0.085106
2005-03      27  32.000000 -0.035714    0.075630
2005-04      30  31.666667  0.111111   -0.010417
2005-05      31  31.750000  0.033333    0.002632
2005-06      39  31.333333  0.258065   -0.013123
2005-07      36  31.416667 -0.076923    0.002660

我想分解第一个时间序列divida，这样我就可以将它的趋势与季节性和剩余成分分离开来。

我找到了答案here，并尝试使用以下代码：

import statsmodels.api as sm

s=sm.tsa.seasonal_decompose(divida.divida)

不过，我一直都有这个错误：

Traceback (most recent call last):
File "/Users/Pred_UnBR_Mod2.py", line 78, in <module> s=sm.tsa.seasonal_decompose(divida.divida)
File "/Library/Python/2.7/site-packages/statsmodels/tsa/seasonal.py", line 58, in seasonal_decompose _pandas_wrapper, pfreq = _maybe_get_pandas_wrapper_freq(x)
File "/Library/Python/2.7/site-packages/statsmodels/tsa/filters/_utils.py", line 46, in _maybe_get_pandas_wrapper_freq
freq = index.inferred_freq
AttributeError: 'Index' object has no attribute 'inferred_freq'

有人能照一下吗？

Answer 1

简单一点：

遵循三个步骤： 1-如果未完成，请将列设为yyyy-mm-dd或dd-mm-yyyy（使用excel）。 2-然后使用pandas将其转换为日期格式：

df['Date']=pd.to_datetime（df['Date']）

3-分解使用：

来自statsmodels.tsa.季节性进口季节性分解 分解=季节性分解（ts_log）

最后：———————————————————————————————————————————————

Answer 2

Statsmodel只会在你提供频率的情况下分解序列。通常所有时间序列索引都包含频率，例如：每日、工作日、每周，所以它显示错误。您可以通过两种方式删除此错误：

1. Stefan所做的是将索引列给pandasDateTime函数。它使用内部函数infer_freq来查找频率并返回带有频率的索引。
2. 否则，可以将索引列的频率设置为df.index.asfreq(freq='m')。这里m表示月份。如果您具有域知识或通过d设置频率。

Answer 3

当您将index转换为DateTimeIndex时，工作正常：

df.reset_index(inplace=True)
df['Date'] = pd.to_datetime(df['Date'])
df = df.set_index('Date')
s=sm.tsa.seasonal_decompose(df.divida)

<statsmodels.tsa.seasonal.DecomposeResult object at 0x110ec3710>

通过以下方式访问组件：

s.resid
s.seasonal
s.trend