分解趋势，季节和剩余时间序列元素

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

我想分解第一时间序列divida，以便可以将其趋势与季节和残差成分分开。

我找到了答案here，并且正在尝试使用以下代码：

import statsmodels.api as sm

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

但是我仍然收到此错误：

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'

有人可以照亮它吗？

Answer 1

将index转换为DateTimeIndex时效果很好：

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

Answer 2

Statsmodel仅在提供频率时才会分解序列。通常，所有时间序列索引都将包含频率，例如：日，工作日，周因此显示错误。您可以通过两种方式消除此错误：

1. Stefan所做的是，他将索引列赋予了熊猫DateTime函数。它使用内部函数infer_freq查找频率并返回带有频率的索引。
2. 否则，您可以将索引列的频率设置为df.index.asfreq(freq='m')。这里m代表月份。如果您具有领域知识或通过d，则可以设置频率。

Answer 3

简单点：

请遵循以下三个步骤：1-如果未完成，则将列设置为yyyy-mm-dd或dd-mm-yyyy（使用excel）。2-然后使用熊猫将其转换为日期格式，如下所示：

df ['Date'] = pd.to_datetime（df ['Date']）

3-使用：分解它

摘自statsmodels.tsa.seasonal import season_decompose分解=季节分解（ts_log）

最后：----

Answer 4

当我得到以下三个部分时，

s.resid季节性趋势

我如何根据此预测未来的步骤？