季节性分解：操作数无法与系列上的形状一起广播

Posted 2023-03-11

【中文标题】季节性分解：操作数无法与系列上的形状一起广播

【英文标题】：seasonal_decompose: operands could not be broadcast together with shapes on a series

【发布时间】：2017-07-10 22:23:23

【问题描述】：

我知道关于这个主题有很多问题，但没有一个能帮助我解决这个问题。我真的被困在这上面了。

用一个简单的系列：

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()

我不断收到：ValueError: operands could not be broadcast together with shapes (12,) (14,)

我几乎尝试了所有方法，只传递了 logdf.values，传递了一个非日志系列。它不起作用。 Numpy 和 statsmodel 版本：

print(statsmodels.__version__)
print(pd.__version__)
print(np.__version__)
0.6.1
0.18.1
1.11.3

【问题讨论】：

你的数据系列前面的零是多少？此外，如果只有一个季节，我们无法估计季节效应。没有办法将季节与趋势或其他影响区分开来。

我认为日期上方的 0 仅表示他有一个熊猫系列，并在这些日期上编入索引。

Max 是对的，熊猫系列在这些日期编入索引。为什么我们不能只用一个季节来估计一个季节效应？无论如何只是一个示例系列，我得到了一个按日期分组的更大数据集（实际上是重新采样），但我仍然得到了这个错误（我猜应该是 numpy 相关的）

你有没有发现这个问题？我也遇到了这个非常烦人的错误。

我认为freq参数应该小于时间序列长度。不是版本问题。

【参考方案1】：

正如@yoonforh 指出的那样，在我的情况下，这是通过将freq 参数设置为小于时间序列长度来解决的。例如。如果你的时间序列ts 看起来像这样：

2014-01-01    0.0
2014-02-01    0.0
2014-03-01    1.0
2014-04-01    1.0
2014-05-01    0.0
2014-06-01    1.0
2014-07-01    1.0
2014-08-01    0.0
2014-09-01    0.0
2014-10-01    1.0
2014-11-01    0.0
2014-12-01    0.0

形状是

(12,)

所以这将给出上述错误：

seasonal_decompose(ts, freq=12, model='additive')

但如果我尝试freq=11 或任何其他小于 12 的int，例如

seasonal_decompose(ts, freq=11, model='additive')

这行得通

【参考方案2】：

我注意到，对于较新的 pandas 和 statsmodel 版本，它似乎可以工作。

给定一个系列：

2016-01-03    8.326275
2016-01-10    8.898229
2016-01-17    8.754792
2016-01-24    8.658172
2016-01-31    8.731659
2016-02-07    9.047233
2016-02-14    8.799662
2016-02-21    8.783549
2016-02-28    8.782783
2016-03-06    9.081825
2016-03-13    8.737934
2016-03-20    8.658693
2016-03-27    8.666475
2016-04-03    9.029178
2016-04-10    8.781555
2016-04-17    8.720787
2016-04-24    8.633909
2016-05-01    8.937744
2016-05-08    8.804925
2016-05-15    8.766862
2016-05-22    8.651899
2016-05-29    8.653645
...

和pd/sm版本：

statsmodels.__version__ 0.8.0
pandas.__version__ 0.20.1

这是结果：

import statsmodels.api as sm
logdf = np.log(df_series)
decompose = sm.tsa.seasonal_decompose(logdf, model='additive', filt=None, freq=1, two_sided=True)
decompose.plot()

我希望这也能解决你的问题。

【讨论】：

不设置freq=1会破坏分解感？如果我理解正确，季节性和剩余成分将始终为空