【时序列】时序列数据如何一步步分解成趋势（trend）季节性（seasonality）和误差（residual）- 详细理解python sm.tsa.seasonal_decompose

【时序列】时序列数据如何一步步分解成趋势（trend）季节性（seasonality）和误差（residual）- 理解python sm.tsa.seasonal_decompose

在做时序列分析的时候，好多教程都告诉你要把时序列分解成趋势，季节性，残差，然后画图看一下有没有趋势变化，有没有季节性。像这样：

import statsmodels.api as sm
decomposition = sm.tsa.seasonal_decompose(train['Count'] ,model='addictive', period=7)
decomposition.plot()

相信大家都很熟悉python的这个包和命令，但是具体是如何分解的却不是特别清楚。今天就来详细理解一下一个时序列是如何一步一