시계열 데이터분석
![[seasonal_decompose] 시계열 데이터 분해](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FbDaZra%2FbtrHPKUUEUw%2FAAAAAAAAAAAAAAAAAAAAAGiSIsHcGfz5zyIJ7TBZ1B2CLGcNUcV3hfyPkuOAQvVt%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1756652399%26allow_ip%3D%26allow_referer%3D%26signature%3DJGT3mPZ0bhrLxhZj2gzB2DlBc9I%253D)
[seasonal_decompose] 시계열 데이터 분해
statsmodels.tsa.seasonal의 seasonal_decompose를 이용해서 추세, 계절성, 잔차를 파악할수 있다. statsmodels.tsa.seasonal. season_decompose ( x , model = 'additive' , filt = None , period = None , two_sided = True , extrapolate_trend = 0 ) x : 시계열 데이터 model : additive, multiplicative 두가지 계절성분 유형 filt : 계절 성분을 필터링하기 위한 필터 계수 period : 기간. 시계열 데이터가 pandas 객체가 아니거나 x의 인덱스에 빈도가 없는 경우 사용 two_sided : 필터링에 사용되는 이동 평균 방법으로 True..