Ajuste estacional en Python y Scipy

Question

Estoy buscando ajustar estacionalmente los datos mensuales, usando Python. Como puede ver en estas series: www.emconfidential.com, hay un alto componente estacional en los datos. Me gustaría ajustar esto para poder evaluar mejor si la tendencia de la serie está subiendo o bajando. ¿Alguien sabe cómo hacer esto fácilmente usando Scipy u otra biblioteca de Python?

Answer 1

No hay una biblioteca mágica de Python que le haga ajustes estacionales. Las aplicaciones que hacen este tipo de cosas tienden a ser rather large.

Tendrá que calcular las matemáticas yourself y luego usar scipy para calcular el resto para usted.

Answer 2

No estoy seguro del aspecto de programación de esto, pero consideraría seriamente mover promedios para resolver esto.

Answer 3

Statsmodels puede hacer esto. Tienen una descomposición estacional básica y también una envoltura para el ajuste del Censo X13. También podría usar rpy2 para acceder a algunas de las excelentes bibliotecas SA de R. Aquí es statsmodels descomposición estacional:

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

Ahora hay un paquete que parece ser exactamente lo que usted está buscando! Consulte el paquete seasonal, aquí está el link. Personalmente, me pareció muy útil, preguntándome qué piensan los demás.

Answer 5

Sugeriría Prophet desarrollado por el equipo de ciencia de datos en Facebook. Tiene Python + R API y se usa para la predicción de series de tiempo, aunque puedes usarlo solo para descomponer tus series en sus componentes (tendencia frente a estacionalidad). Usted puede ajustar fácilmente y visualizar la descomposición:

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);