时间序列有马

Question

我正在处理一个每两个月一次的数据，在此我可以为客户提供客户的销售额。我试图在python中绘制原始系列，并绘制

import matplotlib.pyplot as plt

Cust_bimonthly_Data['Customer_Sales'].plot(figsize=(12, 8))
plt.title('Cust Bimonthly Daily')
plt.show()

我试图用Python绘制上述时间序列，看起来像这样

为了消除数据中的这个大峰，这是一个离群值，我对数据进行了log（x + 1）转换，即将所有值都增加到1，然后进行了对数转换

Cust_bimonthly_Data['new_Customer_Sales'] = Cust_bimonthly_Data['new_Customer_Sales']+1

获取日志以删除异常值

Cust_bimonthly_Data['log_cust_sales']=np.log(Cust_bimonthly_Data['new_Customer_Sales'])

**对数转换系列看起来像这样**

为了检查日志转换后的数据是否固定，我进行了ADF测试，这就是我的结果

Dickey Fuller测试，以检查序列变换后的序列是否平稳

from statsmodels.tsa.stattools import adfuller
Cust_bimonthly_Data_test= Cust_bimonthly_Data_drop.iloc[:,0].values
result = adfuller(Cust_bimonthly_Data_test)

（-4.8014847417664424，
 5.4031369234729222e-05，
 0，
 63，
 {'1％'：-3.5386953618719676，
  '10％'：-2.591896782564878，
  '5％'：-2.9086446751210775}，
 150.10425215395222）

问题？

由于该测试拒绝了我的序列不是平稳的原假设，因此我仍然应该继续进行分解和微分部分。我的意思是说所有这些事情仍将是必需的，因为我可以看到测试告诉我我的系列现在是静止的