python时间序列季节调整x13_arima_analysis

还是小小白

已于 2022-04-03 00:22:42 修改

阅读量5.4k

点赞数 1

分类专栏： python 文章标签： python

于 2022-04-03 00:17:38 首次发布

本文链接：https://blog.csdn.net/kelanj/article/details/123931626

版权

python 专栏收录该内容

9 篇文章 2 订阅

订阅专栏

这篇博客介绍了如何利用Python的statsmodels库进行时间序列分析，包括x13_arima_analysis和seasonal_decompose方法。首先，通过x13a.exe进行季节性调整，然后使用seasonal_decompose进行加法或乘法的季节性分解，提取趋势、季节性和残差。同时，还展示了如何将数据转换为时间序列格式。

摘要由CSDN通过智能技术生成

1. 方法1

注意a要是Datetime类型

这个x12a.exe要翻墙下载

import statsmodels.api as sm
# 注意路径要全英
tes = sm.tsa.x13_arima_analysis(a,x12path="D:/Users/a/desktop/x12a.exe")
tes.seasadj

2. 方法2

import statsmodels.api as sm
#addictive 加法，multiplicative为乘法
first =sm.tsa.seasonal_decompose(a,model='addictive', extrapolate_trend='freq')
first.trend
first.seasonal
first.resid

关于将某列转化成时间序列

timestamp=pd.to_datetime(a.t期年月,format='%Y-%m')
a.index=timestamp
a.drop('t期年月',axis=1,inplace=True )