Python 分解趋势、季节和剩余时间序列元素

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

我想分解第一个时间序列

divida

，将其趋势与其季节性和剩余成分分开

我找到了答案，并尝试使用以下代码：

import statsmodels.api as sm

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

然而，我不断地得到这个错误：

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'

回溯（最近一次呼叫最后一次）：
文件“/Users/Pred_UnBR_Mod2.py”，第78行，在s=sm.tsa.seasonal_decompose（divida.divida）中
文件“/Library/Python/2.7/site packages/statsmodels/tsa/seasonal.py”，第58行，在seasonal_decompose_pandas_包装器中，pfreq=_maybe_get_pandas_包装器_freq（x）
文件“/Library/Python/2.7/site-packages/statsmodels/tsa/filters/_-utils.py”，第46行，在“可能”、“获得”、“熊猫”、“包装器”和“频率”中
freq=index.expressed\u freq
AttributeError:“Index”对象没有“推断频率”属性

---

如何继续？

在将

索引转换为
日期时间索引时可以正常工作：

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>

仅当您提供频率时，Statsmodel才会分解序列。通常所有的时间序列索引都会包含频率，例如：按天、工作日、每周，所以它会显示错误。您可以通过两种方式删除此错误：

Stefan所做的是将索引列赋予pandas
DateTime
函数。它使用内部函数
expert_freq
查找频率并返回带有频率的索引
否则，您可以将索引列的频率设置为
df.index.asfreq（freq='m'）
。此处
m
表示月份。如果您有领域知识或通过
d
设置频率
简单一点：

遵循三个步骤：

1.如果未完成，请在
yyyy-mm-dd
或
dd-mm-yyy
中创建列（使用excel）。

2.然后使用pandas将其转换为日期格式，如下所示：
df['Date']=pd.to_datetime（df['Date']）


3.使用以下方法对其进行分解：

from statsmodels.tsa.seasonal import seasonal_decompose
decomposition=seasonal_decompose(ts_log)

最后：

这取决于索引格式。可以使用DateTimeIndex，也可以使用PeriodIndex。Stefan给出了DateTimeIndex的示例。下面是我的PeriodIndex示例。
我的原始数据框架有一个多索引索引，第一级是年，第二级是月。以下是我如何将其转换为PeriodIndex：

df["date"] = pd.PeriodIndex (df.index.map(lambda x: "{0}{1:02d}".format(*x)),freq="M")
df = df.set_index("date")

现在，季节分解可以使用它了。
尝试使用parse\u dates解析date列，稍后再提到index列

from statsmodels.tsa.seasonal import seasonal_decompose
data=pd.read_csv(airline,header=0,squeeze=True,index_col=[0],parse_dates=[0])
res=seasonal_decompose(data)

你的
divida.index.dtype是什么？这应该是一个DatetimeIndexQuick问题：如何访问该结果？我只收到了感谢@Stefan，救了我的命！您好，当我尝试此代码时，我得到以下错误：
AttributeError:“RangeIndex”对象没有属性“推断的频率”
任何建议？？错误表明您的索引属于
RangeIndex
类型，而它应该是
DateTimeIndex
（请参阅示例中的
Date
列的情况）@Leevo您必须指定一个频率，例如，您可以对数据重新采样：谢谢，旧问题已经解决。但是现在它说：
ValueError:无法插入级别0，已经存在了
。有什么建议吗？对你的问题做一些更详细的描述。带有回溯错误的代码将有助于解决此问题
from statsmodels.tsa.seasonal import seasonal_decompose
data=pd.read_csv(airline,header=0,squeeze=True,index_col=[0],parse_dates=[0])
res=seasonal_decompose(data)