logo标签列表

时间序列中的线性回归 Pandas

pythonpandas
6
我想用时间序列作为预测变量进行回归分析，并尝试按照此SO答案（OLS with pandas: datetime index as predictor）的建议来操作，但据我所知，这种方法似乎已经不再可行了。
请问我有什么遗漏或者是否有新的方法可以使用？
import pandas as pd

rng = pd.date_range('1/1/2011', periods=4, freq='H')       
s = pd.Series(range(4), index = rng)                                                                      
z = s.reset_index()

pd.ols(x=z["index"], y=z[0])

我遇到了这个错误。虽然这个错误信息很明确，但我想知道重新实现之前的解决方案时漏掉了什么。

类型错误：无法将 datetimelike 从 [datetime64[ns]] 转换为 [float64]

理想情况下，您不需要使用 reset_index()，pd.ols(y=s, x=s) 对您是否有用？ - Zero
1
是的，它可以！谢谢。你是否碰巧知道它是如何工作的，或者为什么从日期时间转换到我假设的浮点数会没有错误？ - canyon289
算了，这似乎失败了。它只是对同一系列进行回归。 - canyon289
1个回答
3

我不确定为什么pd.ols如此挑剔（在我看来，您确实按照示例正确地操作了）。我怀疑这是由于pandas处理或存储日期时间索引的方式发生了变化，但我懒得进一步探究。无论如何，既然您的日期时间变量只有小时数不同，您可以使用dt访问器提取小时数：

pd.ols(x=pd.to_datetime(z["index"]).dt.hour, y=z[0])

然而，由于模型中包含截距（并且y是x的线性函数），这给出了r-squared为1，因此模型被过度规定。您可以将range更改为np.random.randn，然后您会得到类似于正常回归结果的东西。

In [6]: z = pd.Series(np.random.randn(4), index = rng).reset_index()                                                               
        pd.ols(x=pd.to_datetime(z["index"]).dt.hour, y=z[0])
Out[6]: 

-------------------------Summary of Regression Analysis-------------------------

Formula: Y ~ <x> + <intercept>

Number of Observations:         4
Number of Degrees of Freedom:   2

R-squared:         0.7743
Adj R-squared:     0.6615

Rmse:              0.5156

F-stat (1, 2):     6.8626, p-value:     0.1200

Degrees of Freedom: model 1, resid 2

-----------------------Summary of Estimated Coefficients------------------------
      Variable       Coef    Std Err     t-stat    p-value    CI 2.5%   CI 97.5%
--------------------------------------------------------------------------------
             x    -0.6040     0.2306      -2.62     0.1200    -1.0560    -0.1521
     intercept     0.2915     0.4314       0.68     0.5689    -0.5540     1.1370
---------------------------------End of Summary---------------------------------

或者，您可以将索引转换为整数，尽管我发现这种方法效果不佳（我假设是因为整数表示自纪元以来的纳秒数或类似的东西，因此非常大且会导致精度问题），但将其转换为整数并除以万亿级别的数确实有效，并且结果与使用dt.hour相同（即相同的r-squared）：

pd.ols(x=pd.to_datetime(z["index"]).astype(int)/1e12, y=z[0])

错误信息来源

FWIW，看起来该错误信息是从类似以下内容的源代码中产生的：

pd.to_datetime(z["index"]).astype(float)

虽然有一个相当明显的解决方法:

pd.to_datetime(z["index"]).astype(int).astype(float)
两种解决方案都很有帮助，尤其是第二个。 - canyon289
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接