使用Scikit Learn对时间序列pandas数据框进行线性回归

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

您可能希望从开始算起的天数成为此处的预测指标。假设所有内容都已排序：

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)

您用于预测变量的确切单位并不重要，可能是数天或数月。系数和解释将发生变化，以便所有结果都能达到相同的结果。另外，请注意，我们需要一个，reshape(-1,1)以便X处于预期格式。

解决方法

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。我的数据是一个时间序列，pandas数据框具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'])

没用：

float() argument must be a string or a number

因此，我尝试用日期创建一个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'])

但是现在我得到：

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

因此，回归器无法处理日期时间。我看到了很多将整数数据转换为日期时间的方法，但是找不到例如从日期时间转换为整数的方法。

正确的方法是什么？

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