极客观点
项目管理
HarmonyOS
我在正确执行 additive 模型时遇到一些问题。我有以下数据框：
当我运行这段代码时：
import statsmodels as sm
import statsmodels.api as sm
decomposition = sm.tsa.seasonal_decompose(df, model = 'additive')
fig = decomposition.plot()
matplotlib.rcParams['figure.figsize'] = [9.0,5.0]
我收到了这条信息：
ValueError：您必须指定句点，或者 x 必须是具有 >DatetimeIndex 且 freq 未设置为 None 的 pandas 对象
我应该怎么做才能得到这个例子：
上面的屏幕是我从这个 地方 拿的
原文由 and_and 发布，翻译遵循 CC BY-SA 4.0 许可协议
python
具有相同的 ValueError，这只是我自己进行的一些测试和少量研究的结果，并没有声称它是完整的或专业的。请评论或回答任何发现错误的人。
当然，您的数据应该按照索引值的正确顺序排列，正如您在回答中所述，您可以使用
df.sort_index(inplace=True)来保证这一点。这本身并没有错，尽管错误消息与排序顺序无关，而且我已经检查过：当我对手头的一个巨大数据集的索引进行排序时，错误并没有消失。的确，我还必须对 df.index 进行排序，但是 decompose() 也可以处理未排序的数据，其中项目会及时跳到这里和那里：然后你只会得到很多从左到右和向后的蓝线，直到整个图都充满了它。而且，通常情况下，无论如何排序已经是正确的。就我而言，排序无助于修复错误。因此，我也怀疑索引排序是否已修复您的案例中的错误，因为：错误实际上说明了什么？ValueError：您必须指定：
首先，如果您有一个 _列表列_，以便您的时间序列嵌套到现在，请参阅 将带有“列表列”中数据的 pandas df 转换为长格式的时间序列。使用三列：[list of data] + [timestamp] + [duration] 了解如何取消嵌套 列表列 的详细信息。 1.) 和 2.) 都需要这样做。
1. 的详细信息：“您必须指定 [任一] 句点……”
期间的定义
来自 https://www.statsmodels.org/stable/generated/statsmodels.tsa.seasonal.seasonal_decompose.html 的“period, int, optional”：
用整数设置的周期参数表示您希望在数据中出现的周期数。如果您有一个包含 1000 行的 df，其中包含一个 _列表列_（称为 df_nested），并且每个列表包含例如 100 个元素，那么每个循环将有 100 个元素。采取
period = len(df_nested)（= 周期数）以获得季节性和趋势的最佳分割可能是明智的。如果每个周期的元素随时间变化，其他值可能更好。 _我不确定如何正确设置参数，因此问题 statsmodels seasonal_decompose(): What is the right “period of the series” in the context of a list column (constant vs. varying number of items) on Cross Validated which尚未回答。_选项 1.) 的“period”参数比选项 2.) 有很大的优势。尽管它使用时间索引 (DatetimeIndex) 作为其 x 轴，但与选项 2 相比，它不需要项目准确命中频率。)。相反，它只是将一行中的任何内容连接在一起，优点是您不需要填补任何空白：前一个事件的最后一个值只是与下一个事件的下一个值连接，无论它是否已经在下一秒或第二天。
最大可能的“周期”值是多少？如果你有一个 _列表列_（再次调用 df “ _dfnested “），你应该首先将 列表列 取消嵌套到一个 _普通的列_。最大周期是
len(df_unnested)/2。示例 1：x 中的 20 个项目（x 是 df_unnested 所有项目的数量）最多可以有一个
period = 10。示例 2：拥有 20 件物品并采用
period=20，这会引发以下错误：另一个旁注：为了摆脱有问题的错误，
period = 1应该已经把它拿走了，但是对于时间序列分析，“=1”并没有揭示任何新的东西，每个周期只是 1 个项目然后，趋势与原始数据相同，季节性为0，残差始终为0。####
示例借自 Convert pandas df with data in a “list column” into a time series in long format。使用三列：[数据列表] + [时间戳] + [持续时间]
结果 df_test[‘listData’] 如下所示：
现在看看不同时期的整数值。
period = 1:period = 2：如果您将所有项目的四分之一作为一个周期，则此处为 4（共 16 个项目）。
period = 4：或者，如果您在此处采用循环的最大可能大小，即 8（共 16 个项目）。
period = 8:看看 y 轴如何改变它们的比例。
####
您将根据需要增加周期整数。你的问题的最大值：
2. 的详细信息：“…或 x 必须是具有 DatetimeIndex 且频率未设置为 None 的熊猫对象”
要使 x 成为频率未设置为 None 的 DatetimeIndex，您需要使用 .asfreq(‘?’) 和 ?在 https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#offset-aliases 中的各种偏移别名中进行选择。
在您的情况下，此选项 2. 更适合，因为您似乎有一个没有间隙的列表。然后，您的月度数据可能应该作为“月开始频率”引入——>“MS”作为偏移量别名：
请参阅 如何使用 pd.to_datetime() 设置频率？ 有关更多详细信息，以及您将如何处理差距。
如果您的数据在时间上高度分散，以至于有太多的间隙需要填补，或者如果时间上的间隙并不重要，那么使用“period”的选项 1 可能是更好的选择。
在我的 df_test 示例中，选项 2 并不好。数据在时间上完全分散，如果我以秒为频率，你会得到：
df_test.asfreq('s')的输出（=以秒为单位的频率）：您在这里看到，虽然我的数据只有 16 行，但引入以秒为单位的频率会强制 df 为 304 行，只能从“08:53:20”延伸到“08:58:23”，这里造成 288 个间隙.更重要的是，在这里你必须准确的时间。如果你有 0.1 甚至 0.12314 秒作为你的实际频率，你将不会用你的索引命中大部分项目。
这是一个以 min 作为偏移量别名的示例，
df_test.asfreq('min')：我们看到只有第一分钟和最后一分钟被填满，其余的都没有被击中。
以天为偏移别名，
df_test.asfreq('d')：我们看到您只得到第一行作为结果 df，因为只涵盖了一天。它会给你找到的第一个项目，其余的都被丢弃。
一切的结束
将所有这些放在一起，在您的情况下，选择选项 2，而在我的 df_test 示例中，需要选项 1。