使用statsmodels的STL做时序分解时报错无法从endog确定周期

报错原因 #

statsmodels的STL分解需要明确时间序列的周期参数，当传入的序列索引无法被自动识别频率、或没有显式传入周期参数时就会触发该报错。

解决方案 #

两种方案选其一即可：

方案1：显式指定period参数 #

直接在STL调用时传入你数据对应的周期值，这是最稳妥的方案。比如你的数据是日度数据，若按周度季节性则周期为7，修改代码为：

STL(sdf, seasonal=21, period=7, robust=True)

方案2：补全时间索引的频率属性 #

先将数据索引转为可识别频率的DatetimeIndex，让STL自动推断周期：

1. 先确认索引为DatetimeIndex类型

import pandas as pd
sdf.index = pd.to_datetime(sdf.index)

2. 为索引设置对应频率，比如样例为工作日频率则设置为'B'：

sdf = sdf.asfreq('B')

设置完成后再调用STL即可自动识别周期。

额外注意事项 #

• STL要求seasonal参数必须为奇数，你代码中写的20是偶数，调整完周期后记得把seasonal改成对应奇数，否则还会触发新的参数校验报错。
• 周期值需要匹配你的数据业务属性：日度数据常用周期为7（周季节性）、22（月工作日季节性）、365（年季节性），根据你的实际场景选择即可。

内容的提问来源于stack exchange，提问作者yunfei