python实现时间序列分解

最新推荐文章于 2024-09-12 09:52:22 发布

如如水，

最新推荐文章于 2024-09-12 09:52:22 发布

阅读量1.8k

点赞数 1

分类专栏：时间序列数据预测文章标签： python 深度学习机器学习

本文链接：https://blog.youkuaiyun.com/m0_52037748/article/details/124526069

版权

时间序列数据预测专栏收录该内容

6 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Python对时间序列进行趋势、周期和残差的分解，详细阐述了分解过程并展示了实现效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对时间序列进行分解，包括趋势项、周期项和残差项。

（1）引入包

# import statsmodels.api as sm

from statsmodels.tsa.seasonal import seasonal_decompose
from dateutil.parser import parse
import pandas as pd
import torch
import matplotlib.pyplot as plt
import numpy as np
import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'#防止导入pyplot时服务挂掉
torch.manual_seed(1)        # 为CPU设置随机种子

（2）分解实现

df = pd.read_excel(r'C:\Users\20882\Desktop\111.xlsx',parse_dates=['date'], index_col='date')#日期标签名
result_add = seasonal_decompose(df['y'], #数值列名
             model='additive', #加 multiplicative乘（不允许有负值或0）
             period = 11,#事先不指定周期    None

了解本专栏