python 时间序列分解 stl_Python中的时间序列分解函数

我已经回答了这个问题here，但是下面是关于如何用rpy2做到这一点的快速功能。这使您可以使用R的稳健统计分解与黄土，但在Python！

from rpy2.robjects import r

def decompose(series, frequency, s_window, **kwargs):

df = pd.DataFrame()

df['date'] = series.index

s = [x for x in series.values]

length = len(series)

s = r.ts(s, frequency=frequency)

decomposed = [x for x in r.stl(s, s_window, **kwargs).rx2('time.series')]

df['observed'] = series.values

df['trend'] = decomposed[length:2*length]

df['seasonal'] = decomposed[0:length]

df['residual'] = decomposed[2*length:3*length]

return df

上述函数假定您的系列具有日期时间索引。它返回一个数据框，其中包含您可以使用您最喜欢的图形库进行图形化的单个组件。

你可以通过参数stl看到here，但改变任何周期为下划线，例如上述函数中的位置参数是s_window，但在上面的链接中是s.window。另外，我在this repository上发现了一些上述代码。