У меня возникли проблемы с разложением временного ряда в python

Поэтому я использовал предыдущий ответ и вопрос для своих проблем ответ но в моем случае я столкнулся с какой-то ошибкой, я не знаю, как ее решить.

Первоначально я загрузил фрейм данных pandas как df = pd.read_excel(fid_data), его содержимое проверяется в следующей команде df.info(), я получаю следующее:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 118 entries, 0 to 117
Data columns (total 8 columns):
Date       118 non-null datetime64[ns]
MOEX       118 non-null float64
RTS        118 non-null float64
CAC40      118 non-null float64
DAX        118 non-null float64
FTSe100    118 non-null float64
nikkei     118 non-null float64
sp500      118 non-null float64
dtypes: datetime64[ns](1), float64(7)
memory usage: 7.5 KB

Когда я пытаюсь разложить moex = df.MOEX с помощью этой команды res = sm.tsa.seasonal_decompose(moex, model='additive'), я получаю следующую ошибку:

Traceback (most recent call last):
  File "Main.py", line 106, in <module>
    res = sm.tsa.seasonal_decompose(moex, model='additive')
  File "/home/arvaldez/anaconda3/lib/python3.6/site-packages/statsmodels/tsa/seasonal.py", line 68, in seasonal_decompose
    _pandas_wrapper, pfreq = _maybe_get_pandas_wrapper_freq(x)
  File "/home/arvaldez/anaconda3/lib/python3.6/site-packages/statsmodels/tsa/filters/_utils.py", line 46, in _maybe_get_pandas_wrapper_freq
    freq = index.inferred_freq
AttributeError: 'RangeIndex' object has no attribute 'inferred_freq'

python-3.x pandas time-series stl-decomposition
person Andres Valdez    schedule 10.04.2019    source источник
comment
похоже, что seasonal_decompose ожидает ряд с временной индексацией, а ваши данные - нет. Может df.set_index('Date', inplace=True) поможет.   -  person Quang Hoang    schedule 10.04.2019
comment
@QuangHoang Я должен добавить это сразу после определения объекта pandas df?????   -  person Andres Valdez    schedule 10.04.2019
comment
Да, вы можете попробовать и это. Должна быть возможность установить индекс с помощью read_excel, возможно, index_col, но я не совсем уверен.   -  person Quang Hoang    schedule 10.04.2019
comment
@QuangHoang пока что это не сработало..... Я попытался адаптировать этот скрипт towardsdatascience.com/ но я не могу найти причину моей ошибки и как ее исправить   -  person Andres Valdez    schedule 11.04.2019
comment
@QuangHoang У меня новый вопрос. Благодаря вашей помощи несколько месяцев назад. Я изучаю новый фрейм данных. Это DatetimeIndex: DatetimeIndex: 8040 entries, 2017-03-20 07:00:00 to 2017-03-31 19:59:00, и это произвольный член кадра данных y 8040 non-null int64 со следующим свойством <class 'pandas.core.series.Series'>, когда я проверяю частоту, он возвращает «Нет, как я могу изменить это «Нет» на Минуты....?? ??   -  person Andres Valdez    schedule 17.08.2019

Ответы (1)


arrow_upward
0
arrow_downward

Большое спасибо @QuangHoang, после загрузки объекта pandas df вы должны определить временную шкалу с помощью df.set_index('Date', inplace=True), а определения переменных теперь не содержат массив Date.

До:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 118 entries, 0 to 117
Data columns (total 8 columns):
Date       118 non-null datetime64[ns]
MOEX       118 non-null float64
RTS        118 non-null float64
CAC40      118 non-null float64
DAX        118 non-null float64
FTSe100    118 non-null float64
nikkei     118 non-null float64
sp500      118 non-null float64
dtypes: datetime64[ns](1), float64(7)
memory usage: 7.5 KB

После:

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 118 entries, 2019-02-01 to 2009-05-01
Data columns (total 7 columns):
MOEX       118 non-null float64
RTS        118 non-null float64
CAC40      118 non-null float64
DAX        118 non-null float64
FTSe100    118 non-null float64
nikkei     118 non-null float64
sp500      118 non-null float64
dtypes: float64(7)
memory usage: 7.4 KB

Все работает так, как ожидалось. Теперь мне не нужно разбирать массив Date, так как он вставлен в каждый массив...

Спасибо еще раз.-

person Andres Valdez    schedule 11.04.2019