使用Python statsmodels做时间序列分解出现ValueError问题咨询

该报错的核心原因是乘法季节性分解的逻辑要求所有观测值严格大于0，序列中存在0值、负值或者过小的数值都会触发该错误，可根据你的业务场景选择以下解决方案：

• 方案1：切换为加法模型
  如果你的时间序列季节性波动幅度不会随序列整体水平的升降而变化，优先选择无需修改原始数据的加法模型，仅需修改调用参数即可：

result = seasonal_decompose(df1, model='additive')

• 方案2：给序列添加常数偏移量（适用必须使用乘法模型的场景）
  如果你的序列符合乘法分解的特征（季节性波动和序列值大小正相关），可以给整个序列加上一个固定常数，将所有数值抬升到严格大于0的范围：

# 计算所需的最小偏移量，额外加1e-6避免刚好等于0
offset = abs(df1.min().min()) + 1e-6
df1_shifted = df1 + offset
# 基于偏移后的序列做乘法分解
result = seasonal_decompose(df1_shifted, model='multiplicative')

后续如果需要还原原始尺度，仅需将得到的趋势项、残差项减去偏移量即可，季节性项是比例系数无需调整。

• 方案3：清洗无效0/负值
  如果序列中的0、负值是数据采集错误或者缺失值填充导致的异常值，先做数据清洗再做分解：

import numpy as np
# 先把0替换为空值，再用线性插值填充
df1 = df1.replace(0, np.nan).interpolate(method='linear')
# 补全首尾可能剩余的空值
df1 = df1.fillna(method='bfill').fillna(method='ffill')

注意：选择分解模型前可以先可视化原始序列，若波动幅度随数值增大而变大选乘法模型，波动幅度稳定选加法模型即可。

内容的提问来源于stack exchange，提问作者user13053456