STL时序分解

STL (Seasonal-Trend decomposition procedure based on Loess) [1] 为时序分解中一种常见的算法，基于LOESS将某时刻的数据Yv分解为趋势分量（trend component）、周期分量（seasonal component）和余项（remainder component）
1.功能
分解函数成三部分：趋势、周期、和剩余部分（一般指噪声，均值为0）
分解就是将时序数据分离成不同的成分，分解有：长期趋势Trend、季节性seasonality和随机残差residuals
返回包含三个部分 trend（趋势部分） ， seasonal（季节性部分） 和residual (残留部分)
传入：一个序列，可以是时间序列
输出：趋势、周期、和剩余部分 三部分
2.做法
乘法序列分解
乘法序列 = Trend * Seasonality * Error

result_mul = seasonal_decompose(df['value'], model='multiplicative', extrapolate_trend='freq')

plt.rcParams.update({'figure.figsize': (10, 10)})
result_mul.plot().suptitle('Multiplicative Decompose')
plt.show()

加法序列分解
加法序列 = Trend + Seasonality + Error

result_add = seasonal_decompose(df['value'], model='additive', extrapolate_trend='freq')
plt.rcParams.update({'figure.figsize': (10, 10)})
result_add.plot().suptitle('Additive Decompose')
plt.show()

如果有ValueError: You must specify a period or x must be a pandas object with a DatetimeIndex with a freq not set to None报错，可以设置period参数，比如：

seasonal_decompose(price_df['price'], model='additive', extrapolate_trend='freq', period=3)