Python 如何转换时间指数进行季节分解？

我有一个信号数据，在熊猫数据帧-df中看起来像这样

time  val
0     152
1     152
2     153
.     .
.     .

511 rows

“时间”值以秒为单位，“val”表示振幅

df.index = Int64Index([  0,   1,   2,   3,   4,   5,   6,   7,   8,   9,
        ...
        501, 502, 503, 504, 505, 506, 507, 508, 509, 510],
       dtype='int64', name='time', length=511)

我的最终目标是使用

sm.tsa.seasonal_decompose 

从

当我以秒为单位对“时间”重新采样时，这会很好地工作

然而，这需要“时间”数据是DatetimeIndex、TimedeltaIndex或PeriodIndex，而它在int64中

我被困在这里了。任何建议都会很有帮助

我的建议是：

secs = []
for i in range(len(df['val'])):
     secs.append(np.timedelta64(i, 's'))

df['time'] = secs

您将得到以下数据帧：

     val     time
0    152 00:00:00
1    153 00:00:01
2    154 00:00:02
3    155 00:00:03
4    156 00:00:04
..   ...      ...
143  295 00:02:23 

---

让我知道它是否适用于您。

您能告诉我是否可以将此模型用于ARIMA时间序列预测吗？我想可以。唯一的问题是我使用了一个伪造的数据，结果问题没有任何意义。

     val     time
0    152 00:00:00
1    153 00:00:01
2    154 00:00:02
3    155 00:00:03
4    156 00:00:04
..   ...      ...
143  295 00:02:23