Python和Scipy的季節性調整

Question

我正在尋找季節性調整每月數據，使用Python。正如你可以從這些系列中看到的那樣：www.emconfidential.com，這個數據有很高的季節性分量。我想對此進行調整，以便在系列趨勢正在上升或下降時我能夠更好地衡量。任何人都知道如何輕鬆地使用scipy或其他Python庫來做到這一點？

Answer 1

沒有神奇的python庫會爲你做季節性調整。做這種事情的應用程序往往是rather large。

您需要計算出數學yourself，然後使用scipy爲您計算其餘的值。

Answer 2

不確定在編程方面，但我會認真考慮移動平均數來解決這個問題。

Answer 3

Statsmodels可以做到這一點。他們有一個基本的季節性分解，也是人口普查X13調整的一個包裝。你也可以使用rpy2來訪問一些R的優秀SA庫。這裏是statsmodels季節性分解：

import pandas as pd 
import statsmodels.api as sm 
import matplotlib.pyplot as plt 
pd.options.display.mpl_style = 'default' 
%matplotlib inline 

dta = sm.datasets.co2.load_pandas().data.resample("M").fillna(method="ffill") 

res = sm.tsa.seasonal_decompose(dta) 

fig = res.plot() 
fig.set_size_inches(10, 5) 
plt.tight_layout() 

http://statsmodels.sourceforge.net/0.6.0/release/version0.6.html

Answer 4

現在有這似乎正是你正在尋找一個包！查看seasonal包，這裏是link。我個人認爲它非常有用，想知道別人怎麼想。

Answer 5

我建議Prophet由Facebook的數據科學團隊開發。它具有Python + R API，可用於時間序列預測，儘管您可以將其用於將系列分解爲其組件（趨勢與季節性）。您可以輕鬆地調整和可視化分解：

from fbprophet import Prophet 
import numpy as np 
import pandas as pd 

# Create series 
np.random.seed(0) 
x = np.arange(0, 10, .285) 
y_periodic = np.sin(x*np.pi) 
y_random = np.random.normal(size=len(x)) 
y_trend = x/10. 
df = pd.DataFrame({'ds': pd.date_range('01-01-2017', periods=len(x)), 
        'y': y_periodic}) 
df.head() # has to be a DataFrame with columns "ds" and "y" 
df.set_index('ds').plot(style='-*') 

# Estimate the model 
m = Prophet() 
m.fit(df); 
forecast = m.predict(df) 
m.plot_components(forecast);