STL时间序列分析代码

以下是一个基于STL（季节性趋势分解）的时间序列分析的示例代码：

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

# 读取数据
data = pd.read_csv('time_series_data.csv', parse_dates=['date'], index_col='date')

# 进行STL分解
stl = STL(data, seasonal=13)
res = stl.fit()

# 获取分解后的结果
trend = res.trend
seasonal = res.seasonal
residual = res.resid

# 可以通过以下代码查看分解后的趋势、季节性和残差：
import matplotlib.pyplot as plt

fig, axes = plt.subplots(4, 1, figsize=(12, 12))
axes[0].plot(data)
axes[0].set_title('Original Data')
axes[1].plot(trend)
axes[1].set_title('Trend')
axes[2].plot(seasonal)
axes[2].set_title('Seasonal')
axes[3].plot(residual)
axes[3].set_title('Residual')

需要注意的是，代码中的参数`seasonal`指定了季节性周期的长度，这里设置为13，表示数据中存在13个月的季节性变化。根据不同的数据集，需要根据实际情况来调整这个参数。