python 时间序列拆分

以下是使用Python和matplotlib库进行时间序列数据拆分和可视化的示例：

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

# 创建一个示例时间序列数据
data = pd.Series([10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120], 
                 index=pd.date_range(start='2021-01-01', periods=12, freq='M'))

# 进行时间序列数据的拆分
decomposition = seasonal_decompose(data)

# 可视化拆分后的趋势、季节和残差成分
fig, (ax1, ax2, ax3, ax4) = plt.subplots(4, 1, figsize=(10, 8))
data.plot(ax=ax1)
ax1.set_ylabel('Original')
decomposition.trend.plot(ax=ax2)
ax2.set_ylabel('Trend')
decomposition.seasonal.plot(ax=ax3)
ax3.set_ylabel('Seasonal')
decomposition.resid.plot(ax=ax4)
ax4.set_ylabel('Residual')

plt.tight_layout()
plt.show()

这段代码首先导入了必要的库，然后创建了一个示例的时间序列数据。接下来，使用`seasonal_decompose`函数对时间序列数据进行拆分，得到趋势、季节和残差成分。最后，使用matplotlib库将拆分后的成分可视化出来，分别显示原始数据、趋势、季节和残差。