给我累计距平法的Python代码

累计距平法（Cumulative Deviation Method）常用于时间序列分析中的季节调整，以下是用Python实现的一个简单版本：

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

def cumulative_deviation(ts):
    # 准备数据
    ts = ts.copy().dropna()
    
    # 使用statsmodels库的seasonal_decompose函数
    decomposition = seasonal_decompose(ts, model='additive', period=12)  # 这里假设是按年调整，可以根据实际需求修改period值
    
    # 提取各部分
    trend = decomposition.trend
    season = decomposition.seasonal
    resid = decomposition.resid
    
    # 累计距平计算
    cum_dev = (ts - trend - season).cumsum()
    
    return trend, season, resid, cum_dev

# 示例用法
data = pd.Series(...)  # 输入你要处理的时间序列数据
trend, season, resid, cum_dev = cumulative_deviation(data)

在这个代码中，`seasonal_decompose`函数从输入的时间序列中分解出趋势、季节性和残差，然后计算累积距平（即原始数据减去趋势和季节性之后的逐点累加）。注意，你需要先安装`pandas`和`statsmodels`库才能运行此代码。