如何对自定义CSV数据集LeftHipAngle列做时间序列分解解决freq L报错

报错根因 #

• 第一个ValueError: freq L not understood报错：低版本statsmodels使用ms作为毫秒单位标识，不兼容旧频率标识L
• 调用asfreq('L')后的新报错：截取的前420行数据的时间索引不是严格连续的毫秒间隔，重采样后会生成空值，seasonal_decompose不允许输入含空值的序列

解决方案 #

方案1：修复时间索引适配频率要求 #

先升级statsmodels和pandas到最新版本，再处理时间索引的连续性和空值：

from statsmodels.tsa.seasonal import seasonal_decompose
import pandas as pd

# 可将url替换为你本地CSV文件路径
url = 'https://raw.githubusercontent.com/lucaphen/EEE4022S/main/subject_31_angle_joints.csv'

df = pd.read_csv(url, parse_dates=['Time'], index_col='Time')
df = df[:420]
# 重采样为毫秒间隔，用线性插值补全缺失值（关节角度数据适配线性插值逻辑）
df = df.asfreq('ms').interpolate(method='linear')
# period参数按你数据的实际季节性周期设置，单位为采样点数
result_mul = seasonal_decompose(df['LeftHipAngle'], model='multiplicative', extrapolate_trend='freq', period=100)

方案2：跳过频率识别手动指定周期（更适合高频采样数据） #

不需要依赖时间索引的频率属性，直接传入序列值手动指定周期，完全避开频率相关报错：

from statsmodels.tsa.seasonal import seasonal_decompose
import pandas as pd

# 可将url替换为你本地CSV文件路径
url = 'https://raw.githubusercontent.com/lucaphen/EEE4022S/main/subject_31_angle_joints.csv'

df = pd.read_csv(url, parse_dates=['Time'], index_col='Time')
df = df[:420]
# 直接传入序列值，period为你数据中一个完整周期的采样点数
result_mul = seasonal_decompose(df['LeftHipAngle'].values, model='multiplicative', extrapolate_trend='freq', period=100)

注意：如果LeftHipAngle列存在负值，请将model参数改为additive，乘法模型不支持负数值输入。

内容的提问来源于stack exchange，提问作者Luca Phen