python - 使用不带DatetimeIndex但已知频率的statsmodels.seasonal_decompose()

Question

我有一个要在Python中分解的时间序列信号，因此我转向statsmodels.seasonal_decompose()。我的数据频率为48(半小时)。我遇到了与this questioner相同的错误，该解决方案是将Int索引更改为DatetimeIndex。但是我不知道数据的实际日期/时间。

在this github thread中，其中一个statsmodels贡献者说

"In 0.8, you should be able to specify freq as keyword argument to override the index."

但这对我而言并非如此。这是说明我的问题的最小代码示例:

import statsmodels.api as sm
dta = pd.Series([x%3 for x in range(100)])
decomposed = sm.tsa.seasonal_decompose(dta, freq=3)

AttributeError: 'RangeIndex' object has no attribute 'inferred_freq'

版本信息:

import statsmodels
print(statsmodels.__version__)
0.8.0

有没有一种方法可以分解具有指定频率但没有DatetimeIndex的statsmodels中的时间序列？

如果没有，是否有在Python中执行此操作的首选方法？我 checkout 了Seasonal软件包，但是 its github列出了每月0次下载，一名贡献者和9个月前的最后一次提交，因此我不确定我的项目是否要依靠它。

Answer 1

感谢josef-pkt在github上回答了这个问题。 statsmodels 0.8.0中存在一个错误，该错误始终尝试通过DatetimeIndex(如果传递了Pandas对象)来计算推断的频率。

使用Pandas系列时的解决方法是将其numpy数组中的值传递给seasonal_decompose()。例如:

import statsmodels.api as sm

my_pandas_series = pd.Series([x%3 for x in range(100)])
decomposed = sm.tsa.seasonal_decompose(my_pandas_series.values, freq=3)

(没有错误)