Saisonnalité, tendance et bruit dans les séries temporelles

Visualiser des séries temporelles en Python

Thomas Vincent

Head of Data Science, Getty Images

Propriétés des séries temporelles

Saisonnalité : les données suivent-elles un schéma périodique net ?
Tendance : observe-t-on une pente régulière à la hausse ou à la baisse ?
Bruit : y a-t-il des valeurs aberrantes ou manquantes non cohérentes avec le reste ?

Décomposition de série temporelle

import statsmodels.api as sm
import matplotlib.pyplot as plt
from pylab import rcParams

rcParams['figure.figsize'] = 11, 9
decomposition = sm.tsa.seasonal_decompose(
                co2_levels['co2'])
fig = decomposition.plot()

plt.show()

Graphique de décomposition sur les données de CO2

Décomposition de série temporelle

Extraire les composantes de la décomposition

print(dir(decomposition))

['__class__', '__delattr__', '__dict__',
 ... 'plot', 'resid', 'seasonal', 'trend']

print(decomposition.seasonal)

datestamp
1958-03-29    1.028042
1958-04-05    1.235242
1958-04-12    1.412344
1958-04-19    1.701186

Composante de saisonnalité

decomp_seasonal = decomposition.seasonal

ax = decomp_seasonal.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Saisonnalité de la série temporelle')
ax.set_title('Valeurs saisonnières de la série')

plt.show()

Composante de saisonnalité

Saisonnalité dans les séries temporelles

Composante de tendance

decomp_trend = decomposition.trend

ax = decomp_trend.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Tendance de la série temporelle')
ax.set_title('Valeurs de tendance de la série')

plt.show()

Composante de tendance

Tendance dans les séries temporelles

Composante de bruit

decomp_resid = decomp.resid

ax = decomp_resid.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Résidu de la série temporelle')
ax.set_title('Valeurs résiduelles de la série')

plt.show()

Composante de bruit

Bruit dans les séries temporelles

Passons à la pratique !

Visualiser des séries temporelles en Python