Je sais qu'il y a beaucoup de questions sur ce sujet, mais aucune d'elles ne m'a aidé à résoudre ce problème. Je suis vraiment coincé là-dessus.seasonal_decompose: les opérandes ne pouvaient pas être diffusés avec des formes sur une série
Avec une série simple:
0
2016-01-31 266
2016-02-29 235
2016-03-31 347
2016-04-30 514
2016-05-31 374
2016-06-30 250
2016-07-31 441
2016-08-31 422
2016-09-30 323
2016-10-31 168
2016-11-30 496
2016-12-31 303
import statsmodels.api as sm
logdf = np.log(df[0])
decompose = sm.tsa.seasonal_decompose(logdf,freq=12, model='additive')
decomplot = decompose.plot()
je continue à obtenir: ValueError: operands could not be broadcast together with shapes (12,) (14,)
J'ai essayé à peu près tout, ne laissant passer que logdf.values, en passant une série non-log. Ça ne marche pas. versions NumPy et statsmodel:
print(statsmodels.__version__)
print(pd.__version__)
print(np.__version__)
0.6.1
0.18.1
1.11.3
Quel est le zéro devant votre série de données? De plus, nous ne pouvons pas estimer un effet saisonnier s'il n'y a qu'une seule saison. Il n'y a aucun moyen de distinguer la saison de la tendance ou d'autres effets. – user333700
Le 0 au-dessus des dates que je pense juste veut dire qu'il a une série de pandas, indexée sur ces dates. –
Max a raison, les séries pandas sont indexées à ces dates. Pourquoi ne pouvons-nous pas estimer un effet saisonnier avec une seule saison? Quoi qu'il en soit est juste une série d'échantillons, j'ai un plus grand ensemble de données regroupées par dates (réellement rééchantillonné), et encore j'ai eu cette erreur (devrait être liée numpy je suppose) –