Sezónnost, trend a šum v datech časových řad

Vizualizace dat časových řad v Pythonu

Thomas Vincent

Head of Data Science, Getty Images

Vlastnosti časových řad

Sezónnost: vykazují data zřetelný periodický vzor?
Trend: sledují data konzistentní rostoucí nebo klesající směr?
Šum: vyskytují se v datech odlehlé hodnoty nebo chybějící záznamy neodpovídající zbytku dat?

Dekompozice časové řady

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()

Graf dekompozice časové řady dat CO2

Dekompozice časové řady

Extrakce složek z dekompozice časové řady

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

Složka sezónnosti v časové řadě

decomp_seasonal = decomposition.seasonal

ax = decomp_seasonal.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Seasonality of time series')
ax.set_title('Seasonal values of the time series')

plt.show()

Složka sezónnosti v časové řadě

Sezónnost v časové řadě

Složka trendu v časové řadě

decomp_trend = decomposition.trend

ax = decomp_trend.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Trend of time series')
ax.set_title('Trend values of the time series')

plt.show()

Složka trendu v časové řadě

Trend v časové řadě

Složka šumu v časové řadě

decomp_resid = decomp.resid

ax = decomp_resid.plot(figsize=(14, 2))
ax.set_xlabel('Date')
ax.set_ylabel('Residual of time series')
ax.set_title('Residual values of the time series')

plt.show()

Složka šumu v časové řadě

Šum v časové řadě

Pojďme si procvičit!

Vizualizace dat časových řad v Pythonu