我是R的狂热用户,但最近由于几个不同的原因切换到Python.但是,我正在努力从statsmodels运行Python中的矢量AR模型.
,Q#1.我运行时遇到错误,我怀疑它与我的矢量类型有关.
import numpy as np
import statsmodels.tsa.api
from statsmodels import datasets
import datetime as dt
import pandas as pd
from pandas import Series
from pandas import DataFrame
import os
df = pd.read_csv('myfile.csv')
speedonly = DataFrame(df['speed'])
results = statsmodels.tsa.api.VAR(speedonly)
Traceback (most recent call last):
File "
现在,有趣的是,当我从这里https://github.com/statsmodels/statsmodels/blob/master/docs/source/vector_ar.rst#id5运行VAR示例时,它运行正常.
我尝试使用Wes McKinney的“用于数据分析的Python”第293页的第三个较短向量ts的VAR模型,它不起作用.
好的,所以我现在想的是因为矢量是不同的类型:
>>> speedonly.head()
speed
0 559.984
1 559.984
2 559.984
3 559.984
4 559.984
>>> type(speedonly)
所以我将speedonly转换为ndarray ……它仍然无效.但是这次我得到了另一个错误:
>>> nda_speedonly = np.array(speedonly)
>>> results = statsmodels.tsa.api.VAR(nda_speedonly)
Traceback (most recent call last):
File "
有什么建议?
Q | 2.我的数据集中有外生特征变量,似乎对预测很有用.上面的statsmodels模型是否是最好用的?
最佳答案
当您将pandas对象提供给时间序列模型时,它期望索引是日期.当前源中的错误消息得到改进(即将发布).
原文链接:https://www.f2er.com/python/439503.htmlValueError: Given a pandas object and the index does not contain dates
在第二种情况下,你给VAR一个单独的1d系列.当您有多个系列时,将使用VAR.这就是为什么你有形状错误,因为它期望你的数组中有第二个维度.我们可以在这里改进错误信息.对于具有外生变量的单个系列AR模型,您可能希望使用sm.tsa.ARMA.请注意,ARMA.predict中有一个known bug,用于很快修复外生变量的模型.如果您可以为此提供测试用例,那将会很有帮助.