使用不帶DatetimeIndex但具有已知頻率的statsmodels.seasonal_decompose（）

Question

我有一個時間序列信號，我想在Python中分解，所以我轉向statsmodels.seasonal_decompose（）。 我的數據頻率為48（半小時）。 我得到了與此提問者相同的錯誤，其中解決方案是從Int索引更改為DatetimeIndex。 但我不知道我的數據的實際日期/時間。

在這個github線程中 ，其中一個statsmodels貢獻者說

“在0.8中，你應該能夠指定freq作為關鍵字參數來覆蓋索引。”

但對我來說似乎並非如此。 這是一個說明我的問題的最小代碼示例：

import statsmodels.api as sm
dta = pd.Series([x%3 for x in range(100)])
decomposed = sm.tsa.seasonal_decompose(dta, freq=3)

AttributeError: 'RangeIndex' object has no attribute 'inferred_freq'

版本信息：

import statsmodels
print(statsmodels.__version__)
0.8.0

有沒有辦法在具有指定頻率但沒有DatetimeIndex的statsmodel中分解時間序列？

如果沒有，是否有一個在Python中執行此操作的首選替代方法？ 我檢查了Seasonal包，但是它的github列出了0個月/月，一個貢獻者，以及9個月前的最后一次提交，所以我不確定我是否想依賴它來完成我的項目。

Answer 1

感謝josef-pkt在github上回答這個問題。 statsmodels 0.8.0中存在一個錯誤，如果傳遞了Pandas對象，它總是會嘗試根據DatetimeIndex計算推斷頻率。

使用Pandas系列時的解決方法是將numpy數組中的值傳遞給seasonal_decompose() 。 例如：

import statsmodels.api as sm

my_pandas_series = pd.Series([x%3 for x in range(100)])
decomposed = sm.tsa.seasonal_decompose(my_pandas_series.values, freq=3)

（沒有錯誤）