将ARMA模型拟合到python中按时间索引的时间序列

本文介绍了将ARMA模型拟合到python中按时间索引的时间序列的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着跟版网的小编来一起学习吧！

问题描述

我正在尝试将 ARMA 模型拟合到存储在 pandas 数据框中的时间序列.数据框有一列名为val"的 numpy.float64 类型的值和一个 pandas 时间戳索引.时间戳采用年-月-日时:分:秒"格式.我理解以下代码:

I am trying to fit an ARMA model to a time series stored in a pandas dataframe. The dataframe has one column of values of type numpy.float64 named "val" and an index of pandas timestamps. The timestamps are in the "Year-Month-Day Hour:Minute:Second" format. I understand that the following code:

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.如何索引我的数据帧，以便 ARMA 方法接受它，同时保留我的日期和时间信息?

because I have not formatted the timestamps correctly. How can I index my dataframe so that the ARMA method accepts it while retaining my date and time information?

推荐答案

我认为你需要将 index 转换为 DatetimeIndex:

I think you need convert index to DatetimeIndex:

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

示例:

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>

这篇关于将ARMA模型拟合到python中按时间索引的时间序列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！

本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益，请联系我们，我们会在确认后第一时间进行删除！

将ARMA模型拟合到python中按时间索引的时间序列

问题描述

推荐答案

相关文档推荐