É comum encontrar em dados de Séries Temporais o componente de sazonalidade, entretanto, é possível haja mais de um ponto sazonal na série. Para tanto, é possível capturar as múltiplas sazonalidades de uma série por meio do uso de um MSTL. No post de hoje, iremos usar o Python para obter as múltiplas sazonalidades da série de consumo de energia do Brasil.
O primeiro passo é capturar os dados de carga de energia, em MWmed, referente ao Consumo de Energia por meio do site da ONS. Realizamos o procedimento de forma manual, baixando o arquivo .csv. A seguir, importamos o arquivo no Python.
import pandas as pd
from datetime import datetime
dateparse = lambda x: datetime.strptime(x, '%d/%m/%Y')
df = (
pd.read_csv("/content/energia.csv",
sep = ';',
index_col = False,
decimal = ',',
dtype = {'carga' : 'float'},
parse_dates = ['date'],
date_parser=dateparse)
.rename(columns = {'carga' : 'y',
'date' : 'ds'})
.assign(unique_id = 'carga')
)
import seaborn as sns from matplotlib import pyplot as plt sns.set() plt.figure(figsize = (15,7)) sns.lineplot(x = 'ds', y = 'y', data = df)
Série Completa
Série em 3 anos
Série em 1 ano
________________________________________________
Quer se aprofundar no assunto?
Alunos da trilha de Ciência de dados para Economia e Finanças possuem acesso o curso Analise de dados Macroeconômicos e Financeiros e podem aprender a como construir projetos que envolvem dados reais usando modelos econométricos e de Machine Learning com o R.
Referências
Hyndman, R.J., & Athanasopoulos, G. (2021) Forecasting: principles and practice, 3rd edition, OTexts: Melbourne, Australia. OTexts.com/fpp3.



