Statsmodels season_decompose - 它有什么天真？

Question

一直在 Python 中處理時間序列，並使用sm.tsa.seasonal_decompose 。 在文檔中，他們介紹了這樣的功能：

我們以與 R 的decompose相同的方式添加了一個朴素的季節性分解工具。

這是文檔中的代碼副本及其輸出：

import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
# deal with missing values. see issue
dta.co2.interpolate(inplace=True)

res = sm.tsa.seasonal_decompose(dta.co2)
res.plot()

他們說這很幼稚，但沒有免責聲明它有什么問題。 有人知道嗎？

Answer 1

我做了一些 (aehm...naive) 研究，並且根據參考資料，似乎 StatsModels 使用經典的移動平均方法來檢測趨勢並應用季節性分解（您可以在此處查看更多信息，特別是關於移動平均和經典分解） ）。

但是，還可以使用其他高級季節性分解技術，例如STL 分解，它也有一些Python 實現。 （更新 -正如@squarespiral 在評論中指出的那樣，2019 年 4 月 11 日，此類實現似乎已合並到 StatsModels 的主分支中）。

在上面的鏈接中，您可以找到有關每種建議方法的優缺點的完整參考。

希望能幫助到你！