Skip to main content
 首页 » 编程设计

python之使用python仅在趋势和残差中分解时间序列

2024年12月31日10birdshome

我只想分解趋势和残差(没有季节性)的时间序列。到目前为止,我知道我可以使用 statsmodels 来分解时间序列,但这包括季节性。有没有办法在没有季节性的情况下分解它?

我查看了文档 (https://www.statsmodels.org/dev/generated/statsmodels.tsa.seasonal.seasonal_decompose.html) seasonal_decompose 允许不同类型的季节性(“加法”、“乘法”}),但我没有看到排除季节性的关键字参数。

下面是我的问题的玩具模型。具有趋势但没有季节性的时间序列。如果我们要删除季节性因素,我认为我们会更合适。

import numpy as np 
import pandas as pd 
import statsmodels.api as sm 
from statsmodels.tsa.arima_model import ARMA 
from matplotlib import pylab as plt 
 
#defining the trend function 
def trend(t, amp=1): 
    return amp*(1 + t) 
 
n_time_steps = 100 
amplitud=1 
#initializing the time series 
time_series = np.zeros(n_time_steps) 
time_series[0] = trend(0, amplitud) 
 
alpha = 0.1 
#making the time series 
for t in range(1,n_time_steps): 
    time_series[t] = (1 - alpha)*time_series[t - 1] + alpha*trend(t, amp=amplitud) + alpha*np.random.normal(0,25) 
 
#passing the time series to a pandas format 
dates = sm.tsa.datetools.dates_from_range('2000m1', length=len(time_series)) 
time_series_pd= pd.Series(time_series, index=dates) 
#decomposing the time series 
res = sm.tsa.seasonal_decompose(time_series_pd) 
res.plot() 

请您参考如下方法:

我认为函数 seasonal_decompose 不能在没有 Seasonal 组件的情况下使用。

你有没有想过使用另一个函数,比如 statsmodels.tsa.tsatools.detrend ?这可以通过多项式拟合完成您想要的操作。