Python中如何使用以及去除时间序列数据中的趋势信息

时间序列数据集可能包含一种趋势。

序列中的趋势是随着时间的推移不断的增加或减少。能够识别，建模，甚至去除时间序列数据集趋势信息是有益的。

在本教程中，你会发现如何在Python中建模以及去除时间序列数据的趋势信息。

完成本教程之后，你就会知道︰

• 时间序列中可能存在的趋势的重要性和类型以及如何识别它们。

• 如何使用简单的差分方法去除趋势。

• 如何建立线性趋势模型以及去除时间系列数据集中的趋势。

让我们开始吧。

Python中如何使用以及去除时间序列数据的趋势信息

图片来自john78727，保留部分权利

时间序列的趋势

趋势是时间序列水平的长期增加或减少。

“一般来说，不表现为周期性的时间序列的系统变化被称为趋势。” 

——第5页，R语言时间序列介绍

识别和理解趋势信息可以帮助提高模型的性能；下面是几点原因︰

• 更快地建模：相关的知识会使模型的选择和评估更为有效。

• 简化问题：我们可以更正或消除趋势来简化建模和改善模型性能。

• 更多的数据：我们可以直接利用趋势信息，或者向模型提供附加信息来提高模型性能。

趋势的类型

趋势的类型有很多。

两种常见的类型是︰

• 确定性趋势：趋势始终如一地增加或减少。

• 随机的趋势：趋势的增加，减少不一致。

一般情况下，确定性趋势更容易识别和消除，但在本教程中介绍的方法还可用于随机趋势。