经验模态分解-EMD

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pyhht.emd import EMD
from pyhht.visualization import plot_imfs

dataset = pd.read_csv('D:/python/anaconda/ARIMA/airPassenger.csv',encoding='utf-8',index_col='time')
'''
read_csv(path,encoding=,index_col=,)
    -path(CSV文件路径名)
    -encoding='utf-8' | 'gbk'(含有中文字符)
    -index_col='attrName'(时间属性)
'''
dataset.index = pd.to_datetime(dataset.index)   #将字符串索引转为时间对象索引
'''
查找数据：
    dataset['1950/5'] --> 查找1950年5日数据
    dataset['1950'] --> 查找1949年数据
    dataset['1950':'1955'] --> 查找1950年-1955年数据
'''
decomposer = EMD(dataset['num'])               #序列分解
imfs = decomposer.decompose()

plot_imfs(dataset['num'],imfs,dataset.index)  #绘制序列分解图
su = pd.DataFrame(np.sum(imfs,axis=0),index=dataset.index)
plt.plot(su,color='red')
plt.show()

arr = np.vstack((imfs,dataset['num']))        #保存分解数据
dataframe = pd.DataFrame(arr.T,index=dataset.index)
dataframe.to_csv('D:/python/anaconda/ARIMA/imf.csv')
print('时间序列分解保存完毕')