時間序列中的季節性、趨勢與雜訊

使用 Python 視覺化時間序列資料

Thomas Vincent

Head of Data Science, Getty Images

時間序列的特性

時間序列的屬性

季節性：資料是否呈現明顯的週期性？
趨勢：資料是否有一致的上升或下降斜率？
雜訊：是否有離群點或與整體不一致的遺漏值？

時間序列分解

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()

CO2 資料的時間序列分解圖

時間序列分解

從時間序列分解擷取元件

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

時間序列的季節性元件

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()

時間序列的季節性元件

時間序列的季節性

時間序列的趨勢元件

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()

時間序列的趨勢元件

時間序列的趨勢

時間序列的雜訊元件

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()

時間序列的雜訊元件

時間序列的雜訊

一起來練習吧！

使用 Python 視覺化時間序列資料