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学习线性回归量对pandas数据帧进行简单的线性回归.我的数据是时间序列,pandas数据框有一个日期时间索引:

                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'])

不起作用:

float() argument must be a string or a number

所以我尝试创建一个包含日期的新列,以尝试对其进行转换:

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

但现在我得到:

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

因此回归量无法处理日期时间.我看到了一些将整数数据转换为datetime的方法,但是找不到从datetime转换为integer的方法,例如.

这样做的正确方法是什么？

PS:我对使用scikit感兴趣,因为我打算稍后用它做更多的东西,所以现在没有statsmodels.

Answer 1

你可能想要从开始以来的天数这样的东西作为你的预测器.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,可能是几天或几个月.系数和解释将发生变化,以便一切都能达到相同的效果.另外,请注意我们需要a reshape(-1, 1)以使其X符合预期的格式.