Statsmodels.api.tsa.seasonal_decompose 图大小
Statsmodels.api.tsa.seasonal_decompose plot figsize
我正在使用 statsmodels.api.tsa.seasonal_decompose
对时间序列进行一些季节性分析。
我使用
设置
decomp_viz = sm.tsa.seasonal_decompose(df_ts['NetConsumption'], period=48*180)
然后尝试使用
将其可视化
decomp_viz.plot()
输出很小,所以我尝试使用
的标准 matplotlib 命令
decomp_viz.plot(figsize=(20,20))
然而,这得到了警告:
TypeError: plot() got an unexpected keyword argument 'figsize'
文档说 matplotlib.figure.Figure
从 DecomposeResult.plot
返回,所以我不确定为什么会发生此错误。
我的 statsmodels
版本是 0.13.1
,我知道文档是针对 0.14.0
的,但是 conda 说那个版本不存在,我无法更新到它.
如有任何想法,我们将不胜感激。
DecomposeResult.plot
不传递关键字参数。您可以在创建后更改图形大小:
import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt
PERIOD = 48*180
g = np.random.default_rng(20211225)
y = np.cos(2 * np.pi * np.linspace(0, 10.0, 10*PERIOD))
y += g.standard_normal(y.shape)
decomp_viz = sm.tsa.seasonal_decompose(y, period=PERIOD)
fig = decomp_viz.plot()
fig.set_size_inches((16, 9))
# Tight layout to realign things
fig.tight_layout()
plt.show()
或者,您可以通过更改 MPL rc 来执行相同的操作。
import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt
# Change default figsize
plt.rc("figure",figsize=(20,20))
PERIOD = 48*180
g = np.random.default_rng(20211225)
y = np.cos(2 * np.pi * np.linspace(0, 10.0, 10*PERIOD))
y += g.standard_normal(y.shape)
decomp_viz = sm.tsa.seasonal_decompose(y, period=PERIOD)
decomp_viz.plot()
plt.show()
产生(对我的屏幕来说太大了)
我正在使用 statsmodels.api.tsa.seasonal_decompose
对时间序列进行一些季节性分析。
我使用
设置decomp_viz = sm.tsa.seasonal_decompose(df_ts['NetConsumption'], period=48*180)
然后尝试使用
将其可视化decomp_viz.plot()
输出很小,所以我尝试使用
的标准 matplotlib 命令decomp_viz.plot(figsize=(20,20))
然而,这得到了警告:
TypeError: plot() got an unexpected keyword argument 'figsize'
文档说 matplotlib.figure.Figure
从 DecomposeResult.plot
返回,所以我不确定为什么会发生此错误。
我的 statsmodels
版本是 0.13.1
,我知道文档是针对 0.14.0
的,但是 conda 说那个版本不存在,我无法更新到它.
如有任何想法,我们将不胜感激。
DecomposeResult.plot
不传递关键字参数。您可以在创建后更改图形大小:
import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt
PERIOD = 48*180
g = np.random.default_rng(20211225)
y = np.cos(2 * np.pi * np.linspace(0, 10.0, 10*PERIOD))
y += g.standard_normal(y.shape)
decomp_viz = sm.tsa.seasonal_decompose(y, period=PERIOD)
fig = decomp_viz.plot()
fig.set_size_inches((16, 9))
# Tight layout to realign things
fig.tight_layout()
plt.show()
或者,您可以通过更改 MPL rc 来执行相同的操作。
import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt
# Change default figsize
plt.rc("figure",figsize=(20,20))
PERIOD = 48*180
g = np.random.default_rng(20211225)
y = np.cos(2 * np.pi * np.linspace(0, 10.0, 10*PERIOD))
y += g.standard_normal(y.shape)
decomp_viz = sm.tsa.seasonal_decompose(y, period=PERIOD)
decomp_viz.plot()
plt.show()
产生(对我的屏幕来说太大了)