Сезонность, тренд и шум во временных рядах

Визуализация данных временных рядов в Python

Thomas Vincent

Head of Data Science, Getty Images

Свойства временных рядов

Сезонность: прослеживается ли в данных чёткий периодический паттерн?
Тренд: следуют ли данные устойчивому восходящему или нисходящему наклону?
Шум: есть ли выбросы или пропущенные значения, не согласующиеся с остальными данными?

Декомпозиция временного ряда

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()

График декомпозиции временного ряда на данных CO2

Декомпозиция временного ряда

Извлечение компонентов из декомпозиции временного ряда

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

Компонент сезонности временного ряда

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()

Компонент сезонности временного ряда

Сезонность временного ряда

Компонент тренда временного ряда

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()

Компонент тренда временного ряда

Тренд временного ряда

Компонент шума временного ряда

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()

Компонент шума временного ряда

Шум временного ряда

Давайте потренируемся!

Визуализация данных временных рядов в Python