我有一个数据集，其中包含小时数（连续值）和我的数据集中那 1 小时内的总销售额。有关数据集的负责人，请参见下文：
t sales
--------------
23 172.3676
24 176.3456
25 166.9039
26 153.9990
27 167.9585
我想预测未来 10 小时的销售额。我还将列 t 设置为索引。但是，当我尝试获取季节性分解时，它会显示错误：
result = seasonal_decompose(train['sales'].dropna(), model='additive', freq =12)
result.plot()
plt.show()
TypeError:seasonal_decompose() got an unexpected keyword argument 'freq'
如何处理时间序列模型中的小时数？在将其用作索引之前，我是否需要将其转换为不同的格式？还有，sales列是连续数值，需要四舍五入吗？
提前致谢！
frequencystatsmodels方法的参数seasonal_decompose()已被弃用并替换为period参数。请使用period代替frequency.
由于您提供的数据是每小时一次，因此period应该是 24。period决定了周期在季节性组件中重复的频率。例如，对于每月数据，period通常是 12。对于每小时，它可以是 24（每天）或 168（每周）。这是您应该了解的有关数据的信息。或者，您可以在进行 EDA 时尝试其他合理的值（其他示例 7 天、12 个月、52 周）。
日期应为日期时间格式，并且需要使用 设置为索引.set_index()，例如train.set_index('Date', inplace=True). 在您的情况下Date是t（根据您的数据集）。
此外，代码对于连续数值应该可以正常工作。在处理每日股价数据时，它对我有用。
我认为下面的代码应该适合您，但请确保遵循第 3 步。
result = seasonal_decompose(train['sales'].dropna(), model='additive', period=24)
result.plot()
plt.show()
参考：
https://github.com/statsmodels/statsmodels/issues/3503
https://towardsdatascience.com/time-series-decomposition-and-statsmodels-parameters-69e54d035453
等待您的反馈意见。