假设有一个列表列，以便您的时间序列是嵌套的，请参阅将带有“列表列”中数据的 pandas df 转换为长格式的时间序列。使用三列：[list of data] + [timestamp] + [duration]了解详细信息。这里的问题不是关于如何取消嵌套列表列。假设您已经有一个长格式结构，其中所有可用列表元素未嵌套到一个普通列中，这里例如取 2 个列表和 4 个列表元素，最后形成 8 行。

第1部分：假设原始列表列的每个列表具有相同数量的列表元素（这里，第一个列表在08:53左右有4个项目，第二个在08:55左右有4个项目）。

                     value
datetimeindex
2016-05-04 08:53:20  1
2016-05-04 08:53:21  2
2016-05-04 08:53:22  1
2016-05-04 08:53:23  9
2016-05-04 08:55:00  2
2016-05-04 08:55:01  2
2016-05-04 08:55:02  3
2016-05-04 08:55:03  0

现在接近实际问题。从statsmodels.tsa.seasonal.seasonal_decompose¶我们读到：

期间的定义

“句点，整数，可选”

系列的时期。如果 x 不是 pandas 对象或 x 的索引没有频率，则必须使用。如果 x 是具有时间序列索引的 pandas 对象，则覆盖 x 的默认周期性。

这里的“系列时期”是什么意思？是吗：

1. 列表的数量，这里是 2。
2. 列表的标准大小。在示例中为 4。
3. 1./2 以外的东西。

如果有任何差异，还请解释如果您有“第 2 部分设置”会有什么不同：

第 2部分：假设原始列表列的每个列表都有不同数量的列表元素（这里，第一个列表在 08:53 左右有 4 个项目，第二个在 08:55 左右只有 3 个项目）。

                     value
datetimeindex
2016-05-04 08:53:20  1
2016-05-04 08:53:21  2
2016-05-04 08:53:22  1
2016-05-04 08:53:23  9
2016-05-04 08:55:00  2
2016-05-04 08:55:01  2
2016-05-04 08:55:02  3

示例应使问题清晰，无需编程（尤其是不使用示例）即可获得可接受的答案。

语境：

这个问题来自时间序列的 decompose()： ValueError: You must specify a period or x must be a pandas object with a DatetimeIndex with a freq not set to None。