Statsmodels时序分解返回全NaN数组，Matplotlib仍可绘图的问题排查

在Google Colab中使用statsmodels的seasonal_decompose处理大型时间序列时，分解得到的trend、seasonal、residual数组均显示为全NaN值，打印或操作这些数组无法获取有效数据，但Matplotlib却能正常绘制这些看似不存在的数据。重启Colab后问题依旧，相关代码如下：

csvfile=('/content/gdrive/MyDrive/NWI_project/Savitzky-Golay_filter.csv')
smoothed_values = np.loadtxt(csvfile, delimiter=',')

decomp = seasonal_decompose(smoothed_values, period=168, model='additive')
trend = decomp.trend
seasonal = decomp.seasonal
residual = decomp.resid
observed = decomp.observed

print("trend is", trend)
print("seasonal is",seasonal)
print("residual is",residual)
print("observed",observed)

plt.plot(smoothed_values, label='Original Data', color='blue')
plt.plot(trend, label='trend', color='red')
plt.plot(seasonal, label='seasonal', color='green')
plt.plot(residual, label='residual', color='orange')
#plt.plot(observed, label='observed', color='yellow')

plt.figure(figsize=(25, 5))

#plt.grid(True)
plt.show()

• 数据维度不匹配：seasonal_decompose要求输入是一维时间序列数组，如果你的smoothed_values是二维格式（比如每行单个值的列向量），分解后会直接输出全NaN。先检查数据形状：

  print(smoothed_values.shape)
  

  若为二维，将其转为一维：

  smoothed_values = smoothed_values.flatten()
  

• 输入数据有效性问题：如果输入数据包含非数值（如inf、字符串），或者数据长度小于period*2（移动平均计算趋势的最小要求），也会导致全NaN结果。执行以下代码排查：

  print("数据中是否存在NaN：", np.isnan(smoothed_values).any())
  print("数据中是否存在无穷值：", not np.isfinite(smoothed_values).all())
  print("数据长度是否满足要求：", len(smoothed_values) >= 168*2)
  

• Matplotlib的NaN处理特性：Matplotlib绘制时会自动跳过NaN值，可能你的分解结果并非全NaN，只是打印时显示范围有限导致看起来全是NaN。可以统计有效数据量：

  print("trend有效数据量：", np.count_nonzero(~np.isnan(trend)))
  

• 环境版本兼容问题：尝试升级statsmodels确保版本适配：

  !pip install --upgrade statsmodels
  

内容的提问来源于stack exchange，提问作者Dan S