具有线性趋势的时间序列分解

Question

我想将我的时间序列分解为线性趋势（趋势将是线性回归模型的结果），然后分解季节性和残差。

我探索的软件包与我的期望不符：

• 统计模型/季节性分解：将趋势视为意甲的移动平均线。 https://github.com/statsmodels/statsmodels/blob/master/statsmodels/tsa/seasonal.py

• stl分解/分解：将趋势视为加权回归（权重是距离的三角函数）。我对Lowess回归的解释。 https://github.com/jrmontag/STLDecompose/blob/master/stldecompose/stl.py

我可以使用这些函数中的参数吗？ 还是我需要建立自己的分解？

同时，我编写了分解函数。请毫不犹豫地对其进行优化：

import numpy as np
import pandas as pd
from pandas.core.nanops import nanmean as pd_nanmean
from sklearn.linear_model import LinearRegression


def madi_decompose(df, period=52):
    lm = LinearRegression()
    y = df.values.reshape((len(df),1))
    X = np.array([i for i in range(len(df))]).reshape((len(df),1))
    lm.fit(X,y)
    trend = lm.predict(X)

    detrended = y - trend

    period_averages = np.array([pd_nanmean(detrended[i::period]) for i in range(period)])
    period_averages -= np.mean(period_averages)
    seasonal = np.tile(period_averages, len(df) // period + 1)[:len(df)]
    seasonal = seasonal.reshape(len(df),1)

    resid = detrended - seasonal

    return trend, seasonal, resid