statmodels库分解时间序列（趋势、周期性、季节性、残差）

 import pandas as pd
 import matplotlib.pyplot as plt
 from statsmodels.tsa.seasonal import STL
 
 df = pd.read_csv("time-series-data.csv")
 
 decomposition = STL(df['x'], period=12).fit()

fig, (ax1, ax2, ax3, ax4) = plt.subplots(nrows=4, ncols=1, sharex=True,figsize=(10,8))
 
 ax1.plot(decomposition.observed)
 ax1.set_ylabel('Observed')
 
 ax2.plot(decomposition.trend)
 ax2.set_ylabel('Trend')
 
 ax3.plot(decomposition.seasonal)
 ax3.set_ylabel('Seasonal')
 
 ax4.plot(decomposition.resid)
 ax4.set_ylabel('Residuals')
 
 plt.tight_layout()

代码部分逐行的解释：

1. `import pandas as pd`: 导入Pandas库并将其命名为pd

2. `import matplotlib.pyplot as plt`: 导入matplotlib库中的pyplot模块并将其命名为plt

3. `from statsmodels.tsa.seasonal import STL`: 导入statsmodels库中的tsa模块下的seasonal模块中的STL函数，用于对时间序列数据进行分解

4. `df = pd.rea