python - Loess 用 Python 进行时间序列的季节性分解

Question

我正在尝试用 Python 来做 R 上的 STL 函数。

R命令是

fit <- stl(elecequip, s.window=5)
plot(fit)

我如何在 Python 中执行此操作？我调查了 statmodels.tsa 有一些时间序列分析功能，但我可以在文档中特别找到“黄土时间序列的季节性分解”。类似地，在 Python.org 上有一个名为 timeseries 0.5.0 的库，但是它没有文档，而且它的主页看起来很低。我知道 rpy2 有一个使用包装器的选项，但我不知道如何使用包装器。

谢谢。

Answer 1

我一直遇到类似的问题，正在努力寻找前进的最佳途径。

Here is a github repo for an STL decomposition based on the Loess procedure .它基于可用于 this paper 的原始 Fortran 代码.它实际上只是原始 Fortran 代码的 python 包装器，因此您知道它可能运行良好并且没有错误。

如果您想要更以 Python 为中心的东西并且愿意使用稍微简单一些的分解例程，StatsModels 有一个:

尝试将您的数据移动到 Pandas 中DataFrame 然后调用 StatsModels tsa.seasonal_decompose。查看following example :

import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
# deal with missing values. see issue
dta.co2.interpolate(inplace=True)

res = sm.tsa.seasonal_decompose(dta.co2)
resplot = res.plot()

然后您可以从以下位置恢复分解的各个组件:

res.resid
res.seasonal
res.trend

希望对您有所帮助!