1回答
>> Register No.>>> Sum int64然后，我使用以下代码进行时间序列分解decomposition = seasonal_decompose(data, model='additive', freq=30)但是我得到了以下错误seasonal_d
浏览 206提问于2020-02-21得票数 1
回答已采纳
1回答
我使用Python中的statsmodels库对我的时间序列进行了季节性分解。如何获得组成观测信号的不同子信号的周期/频率？
有给出季节信号的傅里叶分解的函数吗？
浏览 1提问于2015-12-29得票数 2
4回答
时间序列分解是一种将时间序列数据集分离为三个(或更多)分量的方法。time coordinates is the seasonal componentm is the trend
在R中，我如何在python中做到这一点？
浏览 4提问于2013-12-19得票数 53
1回答
Python中时间序列的时序分解
、、、、
我正在尝试寻找一个能够实现时间序列的时间分解的包。在R中有一个名为tempdisagg的包。
有没有人知道python中有类似的包？如果这个包在python中不存在，有没有一个可用的例子可以让人把这个包中的函数从R调用到Python中。
浏览 1提问于2020-02-04得票数 3
所以我使用R中的分解函数来分解我的时间序列，这样我就可以把我的时间序列转换成平稳的时间序列，然后做ARMA模型。但是，结果如下： ? 当我查看R Studio上的值时，它显示该值为NA。我的时间序列是否有问题，或者我是否应该使用其他方法来分解我的<e
浏览 9提问于2021-08-27得票数 0
回答已采纳
1回答
我正在尝试将每日时间序列分解为季节性、趋势和剩余部分。我们可以看看fpp2包提供的google股票的一个例子：library(forecast)library(zoo)将包的时间序列转换为数字向量(GoogZ)：时间序列不存在或小于2个周期
分解错误(GoogZ)：
浏览 2提问于2019-06-05得票数 0
回答已采纳
我有一个时间序列信号，我想用Python进行分解，所以我转向了statsmodels.seasonal_decompose()。我的数据频率为48 (半小时)。我得到了与相同的错误，解决方案是从Int索引更改为DatetimeIndex。但我不知道我的数据的实际日期/时间。在中，一个状态模型贡献者说
但
浏览 2提问于2017-02-23得票数 6
回答已采纳
我正在尝试用Python做R上的STL函数。fit <- stl(elecequip, s.window=5)我如何在Python中做到这一点？我调查过statmodels.tsa具有一些时间序列分析功能，但我可以在文档中特别找到“按黄土对时间序列进行季节分解”。类似的，在Python.org上也有一个叫做TimeSeries0.5.0的库
浏览 0提问于2014-10-21得票数 12
回答已采纳
1回答
我试图分解一个时间序列，但是我的数据没有日期，它是由定期(和未知)时间间隔的条目组成的。
解决方案是伟大的，也正是我想要的，但是它假设我的系列有一个日期时间索引，但它没有。在这种特定情况下，我可以估计频率参数，但是对于不同的数据，这将需要自动化，因此我不能使用seasonal_decompose函数的freq参数(除非有某种方法自动计算这个参数)来满足我的
浏览 1提问于2018-03-09得票数 1
回答已采纳
2回答
我有一个字符串，一个时间序列数据，我正在尝试分解。每个数据点对应于给定月份的开始日期，看起来类似于：我使用以下方法将数据转换为时间序列：然后我尝试使用以下方法进行分解：我得到以下错误：
我还使用了zoo包来创建类似的
浏览 5提问于2018-10-08得票数 5
回答已采纳
在时间序列中分解时得到一个错误。
这是个错误。
请帮帮忙！
帮助我删除错误，这样我就可以继续下去了。
浏览 3提问于2022-03-23得票数 0
我使用和的混合物来绘制时间序列分解图。我跟踪了，但当我调用plot()时，它似乎是在密谋复制。我的DataFrame看起来就像我的索引看起来但是当我绘制分解图时，我得到奇怪的是，如果我只绘制了分解的一个元素，就不会发生重复。
浏览 5提问于2016-06-24得票数 2
回答已采纳
我试着用seasonal_decompose来分解我的时间序列。该数据为最佳时间序列，频率为“2T”，即2分钟。在文件tsatools.py (site\statsmodel\tsa\tsatools.py)中，我在第655行中添加了以下内容。当我这样做时，我得到以下错误: ValueError:推断的索引频率和频率不匹配。此函数不会从seasonal.py (statsmodel\tsa\seasonal.py)<
浏览 6提问于2016-03-18得票数 8
我想把许多月时间序列数据分解成季节性因素。首先，在对一个时间序列(即bmix_e)尝试下面的代码之后，代码就可以工作了。decomposed = sm.tsa.seasonal_decompose(df.bmix_e.values, model='multiplicative', freq=12)
如何对两个以上的
浏览 2提问于2019-01-17得票数 0
回答已采纳
我有一个朝向某一方向的时间序列。正因为如此，标准差不是一个很好的分析数据的工具。有没有一种方法可以“去趋势”或扁平化数据，这样我就可以更容易地进行异常值分析？
浏览 9提问于2019-07-29得票数 0
我完全是Python的初学者，在使用seasonal_decompose进行时间序列分解result=seasonal_decompose(series, model='additive', freq=365)之后，我得到了用result.plot()和pyplot.show()命令绘制的结果，但是我不知道如何在屏幕上打印这个结果值，或者如何看到分解的时间序列值？
浏览 0提问于2017-07-26得票数 3
回答已采纳
1回答
我的原始数据是+100列时间序列(相互独立)，每个列有48个月，从08/2017开始，到07/2021年结束。目标是为每个时间序列获取一个表示趋势/季节性的值/度量，这样我就可以在它们之间进行比较。
下面是一个数据示例和两种我试图遵循但失败的方法。projsxts, main="NDVI values for oak projects with ESR (fitted values)", xlab="
浏览 10提问于2022-08-19得票数 0
4回答
有没有人知道是否有一个基于Python的过程来利用STL (季节-趋势-黄土)方法分解时间序列？我看到了在R中调用stl函数的包装器程序的引用，但我发现从环境设置的角度来看，这是不稳定和麻烦的(Python和R一起使用)。而且，林克当时4岁。有人能指出一些最近的东西(例如sklearn，spicy等)吗？
浏览 5提问于2018-06-27得票数 1
1回答
最近，我开始在R中进行一些时间序列分析，我对stats库中的过滤器功能是如何工作的感到有点困惑。从本质上说，我看到它断言，对于一个每日时间序列，该过滤器可以使用如下方法将该序列分解为年度、季节性和每周组件：x.season<- filter(x, rep(1/90, 90))
x.weekly <- filter(x, r
浏览 6提问于2012-04-01得票数 2
回答已采纳
我想在每周收集的data.For实例上应用R中的分解函数，我给出了一个例子，我在这个实例上工作时遇到了错误：>vtimeseries<-ts(vproblem.And还介绍了如何在ts()中设置频率值。我希望将时间序列数据分解为
Monday Tuesday Wednesday Thursday Friday
浏览 3提问于2013-02-13得票数 0
云服务器
ICP备案
云直播
腾讯会议
实时音视频
腾讯云开发者
