seasonal_decompose：操作数无法与系列上的形状一起广播

我知道这个主题有很多问题，但他们都没有帮助我解决这个问题。我真的坚持这一点。seasonal_decompose：操作数无法与系列上的形状一起广播

随着一系列简单：

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,)

我已经试过几乎所有，只传递logdf.values，通过非日志系列。它不起作用。 NumPy的和statsmodel版本：

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

来源

2017-02-21 Marco Goldin

什么是数据系列前面的零点？此外，如果只有一个季节，我们无法估计季节性影响。无法区分季节与趋势或其他影响。 – user333700

0以上的日期我认为只是意味着他有一个熊猫系列，索引在这些日期。 –

马克斯是正确的，熊猫系列在这些日期索引。为什么我们无法估计只有一个季节的季节性影响？无论如何只是一个样本系列，我有一个更大的数据集按日期分组（实际重新采样），仍然我得到了这个错误（应该是numpy相关，我猜） –

我注意到，与新的熊猫和statsmodel版本中，它似乎工作。

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()

我希望这会解决你的问题。

来源

2017-10-02 09:25:28

seasonal_decompose：操作数无法与系列上的形状一起广播

回答

相关问题