来自 Statsmodels 库的 Pythonseason_decompose 函数给出 ValueError答案

【问题标题】：Python seasonal_decompose function from Statsmodels library giving ValueError来自 Statsmodels 库的 Pythonseason_decompose 函数给出 ValueError
【发布时间】：2018-10-10 16:05:45
【问题描述】：

我正在尝试使用 Statsmodels 库中的seasonal_decompose 函数分解我的时间序列数据的季节性和趋势，但我得到了ValueError

数据：

                    A (Current average)
     TS 
2017-12-01 00:01:00 3.274965
2017-12-01 00:02:00 3.274083
2017-12-01 00:03:00 3.262563
2017-12-01 00:04:00 3.278352
2017-12-01 00:05:00 3.251769

数据索引：

ts_log.index

输出：

DatetimeIndex(['2017-12-01 00:01:00', '2017-12-01 00:02:00',
               '2017-12-01 00:03:00', '2017-12-01 00:04:00',
               '2017-12-01 00:05:00', '2017-12-01 00:06:00',
               '2017-12-01 00:07:00', '2017-12-01 00:08:00',
               '2017-12-01 00:09:00', '2017-12-01 00:10:00',
               ...
               '2018-01-04 23:26:00', '2018-01-04 23:27:00',
               '2018-01-04 23:28:00', '2018-01-04 23:29:00',
               '2018-01-04 23:30:00', '2018-01-04 23:31:00',
               '2018-01-04 23:32:00', '2018-01-04 23:33:00',
               '2018-01-04 23:34:00', '2018-01-04 23:35:00'],
              dtype='datetime64[ns]', name='TS', length=50000, freq=None)

分解季节性

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

错误：

ValueError                                Traceback (most recent call last)
<ipython-input-79-7ca5a90bdbf8> in <module>()
      1 from statsmodels.tsa.seasonal import seasonal_decompose
----> 2 decomposition = seasonal_decompose(ts_log)
      3 
      4 trend = decomposition.trend
      5 seasonal = decomposition.seasonal

C:\Users\Paras Mani\Anaconda2\envs\py3\lib\site-packages\statsmodels\tsa\seasonal.py in seasonal_decompose(x, model, filt, freq, two_sided)
     82             freq = pfreq
     83         else:
---> 84             raise ValueError("You must specify a freq or x must be a "
     85                              "pandas object with a timeseries index with"
     86                              "a freq not set to None")

ValueError: You must specify a freq or x must be a pandas object with a timeseries index witha freq not set to None

这里我使用时间序列索引，但频率设置为无。我怎样才能改变频率。

【问题讨论】：

您可以通过ts_log.index.freq设置频率。这看起来像是 stackoverflow.com/questions/34494780/… 的副本

标签： python python-3.x time-series statsmodels

【解决方案1】：

如果您有一个带有 DateTimeIndex 的 pandas 数据框，您可以检查它的频率属性。

print(df.index.freq)

如果返回None，您可以通过直接分配给df.index.freq 属性或使用df.asfreq() 方法来设置频率。例如。

# Set df freq to 120 min
df.index.freq = '120t'
df.asfreq('120t')

使用df.asfreq() 将允许您轻松地在频率之间重新采样/转换并处理重新采样。您可以找到有效偏移别名列表（代码的“t”部分）here。或者您可以运行 pd.tseries.offsets.__all__ 来仅获取有效偏移量列表（注意，这不会打印别名，因此您将看到 Minute 而不是 min 或 t）。

一旦您的数据框具有有效时间，您就可以运行seasonal_decompose()。在statsmodels 0.12.2 中进行实验，频率超过 1 小时即freq '60T'，导致ValueError: freq T not understood. Please report if you think this is in error. 被抛出。如果这意味着您需要对df 进行下采样，我建议您使用以下df.resample('1H').median() 的方法。

【讨论】：

【解决方案2】：

试试这个：

from statsmodels.tsa.seasonal import seasonal_decompose
decomposition = seasonal_decompose(x, model='additive', filt=None, freq=52)
fig = decomposition.plot()
plt.show()

【讨论】：