运行时间序列seasonal_decompose时因Dataframe含字符串报错如何解决

seasonal_decompose 函数仅支持输入数值型的时间序列做运算，你当前传入的df1["Category: All categories"]是存储分类名称的字符串列，无法转换为浮点型参与计算，因此触发该报错。

• 首先修正数据框的时间索引结构：时间序列分析需要先将时间列转换为 datetime 格式并设置为索引，同时指定固定的观测频率：

import pandas as pd
from statsmodels.tsa.seasonal import seasonal_decompose
import matplotlib.pyplot as plt

# 转换时间列格式，设置为索引并指定频率，示例为月度数据，频率可根据实际情况调整
df1['Month'] = pd.to_datetime(df1['Month'])
df1 = df1.set_index('Month').asfreq('MS')

• 选择对应分类的数值列作为分解输入：你需要分解哪个分类的时序趋势，就传入该分类对应的数值列即可，示例为分解chocolate: (United States)分类的时序数据：

# 执行乘法季节性分解
decomposeM = seasonal_decompose(
    df1["chocolate: (United States)"], 
    model='multiplicative', 
    extrapolate_trend='freq'
)

# 绘制分解图
plt.rcParams['figure.figsize'] = (12, 8)
decomposeM.plot().suptitle('Multiplicative Decomposition', fontsize=16)
plt.show()

如果需要批量处理全部分类的分解任务，遍历所有分类数值列循环执行上述逻辑即可。

内容的提问来源于stack exchange，提问作者user17059762