将 ARMA 模型拟合到按 python 中的时间索引的时间序列

Question

我正在尝试将 ARMA 模型拟合到存储在 pandas 数据帧中的时间序列。数据框有一列名为 "val" 的 numpy.float64 类型的值和一个 pandas 时间戳的索引。时间戳采用 "Year-Month-Day Hour:Minute:Second" 格式。我理解的是以下代码：

from statsmodels.tsa.arima_model import ARMA
model = ARMA(df["val"], (1,0))

给我错误信息：

ValueError: Given a pandas object and the index does not contain dates

因为我没有正确格式化时间戳。我如何索引我的数据框，以便 ARMA 方法在保留我的日期和时间信息的同时接受它？

Answer 1

我认为你需要将 index 转换为 DatetimeIndex:

df.index = pd.DatetimeIndex(df.index)

样本：

import pandas as pd
from statsmodels.tsa.arima_model import ARMA

df=pd.DataFrame({"val": pd.Series([1.1,1.7,8.4 ], 
                 index=['2015-01-15 12:10:23','2015-02-15 12:10:23','2015-03-15 12:10:23'])})
print df
                     val
2015-01-15 12:10:23  1.1
2015-02-15 12:10:23  1.7
2015-03-15 12:10:23  8.4

print df.index
Index([u'2015-01-15 12:10:23',u'2015-02-15 12:10:23',u'2015-03-15 12:10:23'], dtype='object')

df.index = pd.DatetimeIndex(df.index)
print df.index
DatetimeIndex(['2015-01-15 12:10:23', '2015-02-15 12:10:23',
               '2015-03-15 12:10:23'],
              dtype='datetime64[ns]', freq=None)

model = ARMA(df["val"], (1,0))
print model
<statsmodels.tsa.arima_model.ARMA object at 0x000000000D5247B8>

将 ARMA 模型拟合到按 python 中的时间索引的时间序列

Fitting ARMA model to time series indexed by time in python

python

statistics

time-series

pandas

statsmodels