我现在有一个月度同比数据，需要用python3对其进行季节性指数平滑法预测，

首先，需要导入相关的库和数据。假设你的数据是存储在一个csv文件中的，可以使用pandas库来读取数据：

import pandas as pd

df = pd.read_csv('data.csv')

接下来，需要对数据进行季节性分解，可以使用statsmodels库中的seasonal_decompose函数：

from statsmodels.tsa.seasonal import seasonal_decompose

decomposition = seasonal_decompose(df['value'], model='additive', period=12)

其中，model参数表示分解的模型，这里使用的是加法模型。period参数表示季节性周期，这里设为12，表示数据是按月度采集的。

接下来，可以获取分解后的趋势、季节和残差：

trend = decomposition.trend
seasonal = decomposition.seasonal
residual = decomposition.resid

然后，可以对季节性数据进行平滑处理，这里使用的是移动平均法：

import numpy as np

smoothed_seasonal = np.zeros_like(seasonal)
for i in range(12):
    smoothed_seasonal[i::12] = np.mean(seasonal[i::12])

最后，可以将趋势、季节和残差组合起来，得到预测结果：

forecast = trend + smoothed_seasonal + residual

完整代码：

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

df = pd.read_csv('data.csv')
decomposition = seasonal_decompose(df['value'], model='additive', period=12)
trend = decomposition.trend
seasonal = decomposition.seasonal
residual = decomposition.resid
smoothed_seasonal = np.zeros_like(seasonal)
for i in range(12):
    smoothed_seasonal[i::12] = np.mean(seasonal[i::12])
forecast = trend + smoothed_seasonal + residual