statsmodels.tsa.ar_model.AR.predict関数の開始/終了パラメータを正しく設定する方法

Question

私は、statsmodel AR model againstを適用しようとしている不規則な間隔の時系列からのプロジェクトコストのデータフレームを持っています。私はpredict機能でstartとendを使用する方法を理解するに苦労しています

   cost 
date    
2015-07-16 35.98 
2015-08-11 25.00 
2015-08-11 43.94 
2015-08-13 26.25 
2015-08-18 15.38 
2015-08-24 77.72 
2015-09-09 40.00 
2015-09-09 20.00 
2015-09-09 65.00 
2015-09-23 70.50 
2015-09-29 59.00 
2015-11-03 19.25 
2015-11-04 19.97 
2015-11-10 26.25 
2015-11-12 19.97 
2015-11-12 23.97 
2015-11-12 21.88 
2015-11-23 23.50 
2015-11-23 33.75 
2015-11-23 22.70 
2015-11-23 33.75 
2015-11-24 27.95 
2015-11-24 27.95 
2015-11-24 27.95 
... 
2017-03-31 21.93 
2017-04-06 22.45 
2017-04-06 26.85 
2017-04-12 60.40 
2017-04-12 37.00 
2017-04-12 20.00 
2017-04-12 66.00 
2017-04-12 60.00 
2017-04-13 41.95 
2017-04-13 25.97 
2017-04-13 29.48 
2017-04-19 41.00 
2017-04-19 58.00 
2017-04-19 78.00 
2017-04-19 12.00 
2017-04-24 51.05 
2017-04-26 21.88 
2017-04-26 50.05 
2017-04-28 21.00 
2017-04-28 30.00 

：

これは、データフレーム、それをだのデータのサンプルです。 the docsによると

：

start : int, str, or datetime Zero-indexed observation number at which to start forecasting, ie., the first > forecast is start. Can also be a date string to parse or a datetime type.

end : int, str, or datetime Zero-indexed observation number at which to end forecasting, ie., the first forecast is start. Can also be a date string to parse or a datetime type.

私はそれに私の不規則な間隔の時系列データを追加し、空の日々の時系列を持つデータフレームを作成し、モデルを適用してみてください。私が使用しようとすると

pred = ar_res.predict(start='2016-01-01', end='2016-06-01')  

：

私はより具体的な日付を使用しようとするとpandas.tslib.OutOfBoundsDatetime: Out of bounds nanosecond timestamp: 605-12-31 00:00:00のエラーで

data = pd.read_csv('data.csv', index_col=1, parse_dates=True) 
df = pd.DataFrame(index=pd.date_range(start=datetime(2015, 1, 1), end=datetime(2017, 12, 31), freq='d')) 
df = df.join(data) 
df.cost.interpolate(inplace=True) 
ar_model = sm.tsa.AR(df, missing='drop', freq='D') 
ar_res = ar_model.fit(maxlag=9, method='mle', disp=-1) 
pred = ar_res.predict(start='2016', end='2016') 

predict関数の結果は、私はエラーの同じタイプを取得します整数の場合、別のエラーが表示されます。

pred = ar_res.predict(start=0, end=len(data)) 
Wrong number of items passed 202, placement implies 197 

実際にdatetime、no rule for interpreting endというエラーが表示されます。

私はここで一生懸命壁に当たっています。私は何かが欠けているに違いないと思っています。

最終的に、モデルを使用してサンプル外の予測（次の四半期の予測など）を取得したいと考えています。

Answer 1

（だから私は等間隔時系列の要件を考慮して、毎日のインデックスを作成していたが、それはまだ非ユニーク推移@ user333700によるコメント）。

groupby機能を追加して重複した日付を合計し、関数をdatetimeオブジェクト（@ andy-haydenによる回答）を使用して実行することができました。結果を提供predict機能付

df = df.groupby(pd.TimeGrouper(freq='D')).sum() 
... 
ar_res.predict(start=min(df.index), end=datetime(2018,12,31)) 

、私は今、結果を分析し、有益な何かを得るためにのparamsを微調整することができています。

Answer 2

あなたはdatetime（というよりもdate）を渡す場合、これは動作します：

from datetime import datetime 

... 
pred = ar_res.predict(start=datetime(2015, 1, 1), end=datetime(2017,12,31)) 

In [21]: pred.head(2) # my dummy numbers from data 
Out[21]: 
2015-01-01 35 
2015-01-02 23 
Freq: D, dtype: float64 

In [22]: pred.tail(2) 
Out[22]: 
2017-12-30 44 
2017-12-31 44 
Freq: D, dtype: float64