我们都知道将时间序列分解为其组成部分对于预测的重要性，但在业务绩效分析中却没有给予足够的重视。
作为一名业务绩效分析师，我经常报告每月收入情况并跟踪业务周期趋势。为了解决季节性变化的问题，我依靠年度比较。问题在于这些比较依赖于12个月前的数据，这意味着你会晚一步跟上趋势，可能会带来灾难性后果。经济学家和统计学家有更加复杂的方法来处理季节性波动，并在其发生后不久捕捉到商业周期的变化。
经济学家通过分解宏观经济数据来报告季节调整数据，并依赖于季节调整指标的月度变化（或季度变化），以获得对经济活动的及时视图。
您不需要成为统计学家或经济学家来了解您的业务趋势。美国人口普查局将他们的X-13ARIMA-SEATS季节调整软件对公众开放，以下是您如何利用Python中的该软件提升您的业务分析。
下载X 13 ARIMA SEATS
您可以利用Statsmodels X13_arima_analysis，一个Python封装器，来调整您的业务数据以应对季节性波动。
首先，您需要从人口普查网站下载X-13ARIMA-SEATS可执行文件。
最新版本——第60版（在撰写本文时）对我来说不起作用，所以我下载了上一个版本——第59版。
下载完成后，您可以将文件解压缩到您选择的文件夹中。
设置Python笔记本。
除了导入常用的数据分析包之外，您还需要将环境变量X13PATH设置为解压缩文件夹的路径。如果您跳过此步骤，运行分析时将会出错。
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom statsmodels.tsa.x13 import x13_arima_analysisfrom datetime import datetimefrom dateutil.relativedelta…