使用 Scikit Learn 对时间序列 pandas 数据框进行线性回归

Question

我正在尝试使用 scikit 学习线性回归器对熊猫数据框进行简单的线性回归。我的数据是时间序列，pandas数据框有日期时间索引：

                value
2007-01-01    0.771305
2007-02-01    0.256628
2008-01-01    0.670920
2008-02-01    0.098047

做一些简单的事情

from sklearn import linear_model

lr = linear_model.LinearRegression()

lr(data.index, data['value'])

没用：

float() argument must be a string or a number

所以我尝试创建一个带有日期的新列来尝试对其进行转换：

data['date'] = data.index
data['date'] = pd.to_datetime(data['date'])
lr(data['date'], data['value'])

但现在我明白了：

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

所以回归器无法处理日期时间。例如，我看到了很多将整数数据转换为日期时间的方法，但找不到将日期时间转换为整数的方法。

这样做的正确方法是什么？

PS：我对使用 scikit 很感兴趣，因为我打算以后用它做更多的事情，所以现在没有 statsmodels。

Answer 1

您可能希望将自开始以来的天数作为您的预测指标。假设一切都已排序：

In [36]: X = (df.index -  df.index[0]).days.reshape(-1, 1)

In [37]: y = df['value'].values

In [38]: linear_model.LinearRegression().fit(X, y)
Out[38]: LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

您用于预测器的确切单位并不重要，可能是天或月。系数和解释会发生变化，因此一切都会产生相同的结果。另外，请注意，我们需要 reshape(-1, 1) 以便 X 采用预期的格式。