Desarrollo de Python
  1. Desarrollo de Python
  3. Regresión lineal de pandas de series de tiempo
Intereting Posts
Django forma opción múltiple Imputación de datos con fancyimpute y pandas. Espere hasta que la página esté cargada con Selenium WebDriver para Python Modificar un subconjunto de filas en un dataframe de pandas Descubre el script Unicode de un personaje. Configuración de un entorno virtural (venv) sin paquetes de sitio de sistema Devolver subconjunto de lista que coincide con la condición ¿Dos veces más rápido que el cambio de bits, para los enteros de Python 3.x? Convierta un archivo delimitado por espacios en un archivo de valores separados por comas en Python Progtwigdor de tareas de Windows 7 y Python – El fondo de pantalla no cambia En Python, ¿cómo creo dos divisiones de índice para mi propia clase de matriz? Carga automática de un módulo en el inicio de IPython Encuentra la clase en la que se define un método. ¿Qué es %% para en Python? ¿Python usa listas enlazadas para listas? ¿Por qué la inserción es lenta?

Regresión lineal de pandas de series de tiempo

Me gustaría obtener una regresión con una serie de tiempo como predictor y estoy tratando de seguir la respuesta de esta respuesta SO ( OLS con pandas: índice de fecha y hora como predictor ), pero ya no parece funcionar tan bien conocimiento.

¿Me estoy perdiendo algo o hay una nueva forma de hacer esto? 

import pandas as pd rng = pd.date_range('1/1/2011', periods=4, freq='H') s = pd.Series(range(4), index = rng) z = s.reset_index() pd.ols(x=z["index"], y=z[0])

Estoy recibiendo este error. El error es explicativo, pero me pregunto qué me falta al volver a implementar una solución que funcionó antes.

TypeError: no se puede escribir un tipo de fecha de datos desde [datetime64 [ns]] a [float64]

No estoy seguro de por qué pd.ols es tan delicado (me parece que pd.ols el ejemplo correctamente). Sospecho que esto se debe a los cambios en la forma en que los pandas manejan o almacenan los índices de fecha y hora, pero soy demasiado perezoso para explorar esto más a fondo. De todos modos, dado que su variable datetime difiere solo en la hora, puede extraer la hora con un acceso dt : 

 pd.ols(x=pd.to_datetime(z["index"]).dt.hour, y=z[0])

Sin embargo, eso le da una r cuadrada de 1, ya que su modelo está sobreespecificado con la inclusión de una intersección (yy es una función lineal de x). Podría cambiar el range a np.random.randn y luego obtendría algo que se parece a los resultados de una regresión normal. 

 In [6]: z = pd.Series(np.random.randn(4), index = rng).reset_index() pd.ols(x=pd.to_datetime(z["index"]).dt.hour, y=z[0]) Out[6]: -------------------------Summary of Regression Analysis------------------------- Formula: Y ~  +  Number of Observations: 4 Number of Degrees of Freedom: 2 R-squared: 0.7743 Adj R-squared: 0.6615 Rmse: 0.5156 F-stat (1, 2): 6.8626, p-value: 0.1200 Degrees of Freedom: model 1, resid 2 -----------------------Summary of Estimated Coefficients------------------------ Variable Coef Std Err t-stat p-value CI 2.5% CI 97.5% -------------------------------------------------------------------------------- x -0.6040 0.2306 -2.62 0.1200 -1.0560 -0.1521 intercept 0.2915 0.4314 0.68 0.5689 -0.5540 1.1370 ---------------------------------End of Summary---------------------------------

Alternativamente, podría convertir el índice en un entero, aunque encontré que esto no funcionó muy bien (supongo que los enteros representan nanosegundos desde la época o algo así, y por lo tanto son muy grandes y causan problemas de precisión), pero la conversión a entero y la división por un billón o así funcionó y dio esencialmente los mismos resultados que al usar dt.hour (es decir, el mismo r-cuadrado): 

 pd.ols(x=pd.to_datetime(z["index"]).astype(int)/1e12, y=z[0])

Fuente del mensaje de error

FWIW, parece que el mensaje de error proviene de algo como esto: 

 pd.to_datetime(z["index"]).astype(float)

Aunque una solución bastante obvia es esta: 

 pd.to_datetime(z["index"]).astype(int).astype(float)