如何在linregress scipy中使用数据框中的日期时间字段？

Question

当我尝试从dataframe 中linregress Date 和Close 字段时，我不断得到error。

Traceback（最近一次调用最后一次）： 文件“”，第 1 行，在 文件“C:\Python34\lib\site-packages\scipy\stats_stats_mstats_common.py”，>第 75 行，在 linregress xmean = np.mean(x, 无) 文件“C:\Python34\lib\site-packages\numpy\core\fromnumeric.py”，第 2942 行，在 >mean out=out, **kwargs) 文件“C:\Python34\lib\site-packages\numpy\core_methods.py”，第 65 行，位于 >_mean ret = umr_sum（arr，轴，dtype，out，keepdims） TypeError: ufunc add 不能使用类型为 dtype('dtype(' 的操作数

我正在使用的代码。

import openpyxl,os
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import datetime
import pandas_datareader as pdr
from scipy.stats import linregress

start = datetime.datetime(2010,1,1)
end = datetime.datetime(2017,11,10)
i = NSE/CHENNPETRO
df = pdr.DataReader(i, 'quandl', start, end)
# df = df.iloc[::-1]
linregress(df.index,df['Close'])

接下来我可以看哪里？

Answer 1

Scipy 只能对数值进行线性回归；它不知道如何处理日期。最好的方法可能是将您的日期转换为数字（例如天数、秒数等，视情况而定）。这是一个例子：

import pandas as pd
import numpy as np

data = pd.DataFrame({'x': np.arange(1000) + np.random.randn(1000)},
                    index=pd.date_range('2012', periods=1000, freq='D'))
data.head()
#  x
# 2012-01-01 -0.475795
# 2012-01-02 -0.222100
# 2012-01-03  2.494785
# 2012-01-04  3.237799
# 2012-01-05  4.412078

现在我们可以使用 pandas time deltas 来查找自第一个索引以来的天数：

# compute days since the first date in the index
delta = (data.index - data.index[0])
days = delta.days

根据您的数据，改用小时、分钟、秒等可能更有意义。

将此作为输入，线性回归将起作用：

from scipy.stats import linregress
linregress(days, data.x)
# LinregressResult(slope=0.99979977545856191, intercept=0.085015417311694819, rvalue=0.99999344600423345, pvalue=0.0, stderr=0.00011458241597036779)