statsmodels.tsa.deterministic.CalendarSeasonality¶

class statsmodels.tsa.deterministic.CalendarSeasonality(freq, period)[source]¶

基于日历时间的季节性虚拟确定性项

Parameters:¶

freqstr

季节效应的频率。

periodstr

描述完整周期的 pandas 频率字符串。

Attributes:¶

freq

确定性项的频率

is_dummy

指示生成的值是否为虚拟变量的标志

period

完整周期

另请参阅

DeterministicProcess

CalendarTimeTrend

CalendarFourier

Seasonality

示例

这里我们模拟不规则间隔的数据（在时间上）并为数据生成每小时的季节性虚拟变量。

>>> import numpy as np
>>> import pandas as pd
>>> base = pd.Timestamp("2020-1-1")
>>> gen = np.random.default_rng()
>>> gaps = np.cumsum(gen.integers(0, 1800, size=1000))
>>> times = [base + pd.Timedelta(gap, unit="s") for gap in gaps]
>>> index = pd.DatetimeIndex(pd.to_datetime(times))

>>> from statsmodels.tsa.deterministic import CalendarSeasonality
>>> cal_seas_gen = CalendarSeasonality("H", "D")
>>> cal_seas_gen.in_sample(index)

方法

in_sample(index)	生成用于样本内拟合的确定性趋势。
out_of_sample(步骤, 索引[, 预测索引])	为样本外预测生成确定性趋势

属性

freq	确定性项的频率
is_dummy	指示生成的值是否为虚拟变量的标志
period	完整周期