我只想分解一个时间序列的趋势和残差(没有季节性)。到目前为止,我知道我可以使用状态模型分解一个时间序列,但这包括一个季节性。有没有办法在没有季节性的情况下分解它?
我看过文档() seasonal_decompose允许不同类型的季节性(“加性”、“乘性”}),但我还没有看到排除季节性的关键字论证。
下面是我问题的玩具模型。有趋势但没有季节性的时间序列。如果我们去掉季节性的成分,我想我们会更适合的。
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.tsa.arima_
stR包基于Hyndman and Dokumentov 2015并包含一个STR()函数,您可以向该函数提供您所处理的季节性拓扑的描述,该拓扑由分段列表和您使用的每个预测值(包括趋势)的季节性节点列表定义。您还可以提供时间结的列表。有一个vignette应该通过例子来解释一切,但是vignette和论文都没有解释这些结(时间和季节)和片段是什么,我无法从vignette中推断出来,尽管它是相当广泛的。那么,这些东西是什么呢?对于一个简单的模型,比如每天的数据,只有趋势+工作日/周末的季节性,它们会是什么?完全公开-我还没有看过源代码,但我怀疑它会让我的事情变得更清楚。
季度是季节性数据,如'2009Q1','2010Q4'...大小是浮点型数据,如'12.1','14.3‘...数据类型如下:
Quarter object
Size float64
当我尝试绘制这两列时,出现了一个错误:
plt.plot('Quarter','Size')
plt.show()
错误:
ValueError: Unrecognized character S in for
我有一个离散的时间序列,涵盖2007年1月至2019年3月之间的49个季度,我正试图对此进行分析。在进行各种形式的分析之前,我想检查季节性的存在性,并在R.中尝试了这样的方法,在第一次我使用了海洋软件包中的WO函数(Webel和Ollech),它告诉我数据没有显示季节性。
library(seastests)
summary(wo(tt))
> summary(wo(tt))
Test used: WO
Test statistic: 0
P-value: 0.8174965 0.5785041 0.2495668
The WO - test does not identify
我试图通过将月列(变量为1-12)分组为四个组来对数据集进行分类。冬季(1-3)、春季(4-6)、夏季(7-9)和秋季(10-12).我想加入一个新的专栏,它将捐赠每个条目给一个季节性组。
> head(weather_grouped)
# A tibble: 6 x 8
Name Province Region `Date/Time` **Month** Year `Mean Temp` year_range
本质上,我希望根据月份专栏中的数字,添加另一篇题为“季节”的专栏。