局部加权回归的周期趋势分解法（STL）的python的计算以及绘图代码

以下是使用Python进行STL周期趋势分解和绘图的示例代码：

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

# 生成时间序列数据
np.random.seed(0)
n = 500
t = np.arange(n)
y = 10 * np.sin(2 * np.pi * t / 50) + 5 * np.cos(2 * np.pi * t / 10) + np.random.normal(0, 1, n)

# STL分解
stl = STL(y, period=50)
res = stl.fit()
trend = res.trend
seasonal = res.seasonal
residual = res.resid

# 绘制分解后的图像
plt.figure(figsize=(12, 8))
plt.subplot(411)
plt.plot(y)
plt.title('Original Data')
plt.subplot(412)
plt.plot(trend)
plt.title('Trend')
plt.subplot(413)
plt.plot(seasonal)
plt.title('Seasonal')
plt.subplot(414)
plt.plot(residual)
plt.title('Residuals')
plt.tight_layout()
plt.show()

上述代码中，我们生成了一个包含两个周期的时间序列数据，并使用STL进行了周期趋势分解。最后，我们将分解后的趋势、季节性和残差绘制出来，以便更好地理解数据的结构。

注意，STL需要安装`statsmodels`库，并且需要指定周期参数。如果没有指定周期参数，STL将自动选择一个合适的周期。