最近在使用Python处理时间序列,用到了sm.tsa.seasonal_decompose
函数。在文档中,它被介绍为:
我们添加了一个简单的季节性分解工具,类似于R语言中的
decompose
函数。
以下是来自文档的代码及其输出:
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)
res.plot()
他们说这很“天真”,但是没有说明有什么问题。有人知道吗?
decompose
是否也是“naive”,以及何时需要使用高级方法。通过.seasonal_decompose
对我的数据进行处理的印象是,这可能是你通常所需的全部内容。 - cardamom